يُظهر التدريب على الشبكات العصبية العميقة دون استخدام أوزان مُدرّبة مسبقًا وبنموذج بيانات قليل أنّه يتطلب عددًا أكبر من التكرارات التدريبية. كما يُعرف أن النماذج الأعمق تحقق نجاحًا أكبر من نماذجها السطحية في مهام التجزئة الدلالية. ولهذا، نقدّم معمارية EfficientSeg، وهي نسخة معدلة وقابلة للتوسع من معمارية U-Net، التي يمكن تدريبها بكفاءة رغم عمقها. تم تقييم معمارية EfficientSeg على مجموعة بيانات Minicity، حيث تفوقت على النموذج الأساسي U-Net (بمعدل 40% mIoU) باستخدام نفس عدد المعاملات (51.5% mIoU). وحققت أفضل نموذج لدينا معدلًا قدره 58.1% mIoU، وحلّ في المرتبة الرابعة في مسار التجزئة الدلالية ضمن مسابقة ECCV 2020 VIPriors.