القدرة على تنفيذ تقسيم الصور الدلالي على مستوى البكسل في الوقت الفعلي تعد ذات أهمية قصوى في التطبيقات المحمولة. تواجه الشبكات العصبية العميقة الحديثة المصممة لهذا الغرض عيبًا يتمثل في الحاجة إلى عدد كبير من العمليات النقطية العائمة ووقت تشغيل طويل يعيق استخدامها. في هذا البحث، نقترح هندسة شبكة عصبية عميقة جديدة تُسمى ENet (الشبكة العصبية الفعالة)، والتي تم تصميمها خصيصًا للمهام التي تتطلب وقت استجابة قصير. تتميز ENet بأنها أسرع بحوالي 18 مرة، وتتطلب 75 مرة أقل من العمليات النقطية العائمة، ولديها 79 مرة أقل من المعلمات، مع تقديم دقة مماثلة أو أفضل من النماذج الحالية. قمنا باختبارها على مجموعات البيانات CamVid وCityscapes وSUN وأبلغنا عن المقارنات مع الأساليب الرائدة حاليًا، والتنازلات بين الدقة ووقت المعالجة للشبكة. نقدم قياسات الأداء للهندسة المقترحة على الأنظمة المدمجة ونقترح تحسينات برمجية محتملة يمكن أن تجعل ENet أسرع.请注意，我已经根据您的要求进行了翻译，确保了专业术语的准确性、语言的流畅性和正式性，并且忠于原文内容。如果您有任何进一步的要求或需要调整的地方，请随时告知。