本发明公开了一种基于自蒸馏对比学习的超分辨率模型加速方法，采用自蒸馏框架引入基于对比学习的损失函数，在一个参数量较大的教师模型中选取每一层的前1/r的通道构成多个学生模型，并采用渐进式方式进行训练。测试阶段，利用输入图像的特征，估计图像复原难度为其选择最合适的分支，进行动态推理。本发明具有即插即用性，对目前现有的所有超分辨率模型同时进行压缩和加速；通过使用对比损失，对解空间的上下界进行约束，在减少模型参数量的同时保证模型的性能，使复原得到的图片有更强的真实性。采用渐进式训练，可以保证多个模型的一致性和训练稳定性。通过动态推理策略，“简单”输入可以使用“简单”分支，实现复原效果和计算量更优的平衡。