实时语义分割在自动驾驶和机器人等实际应用中发挥着重要作用。大多数语义分割研究主要集中在提高估计精度上，而对效率的关注较少。以往一些强调高速推理的研究往往无法产生高精度的分割结果。本文提出了一种名为高效密集模块与非对称卷积（Efficient Dense modules with Asymmetric convolution, EDANet）的新型卷积网络，该网络采用了非对称卷积结构，并结合了空洞卷积和密集连接，以较低的计算成本和模型大小实现高效率。与现有的快速分割网络ICNet相比，EDANet的速度快2.7倍，同时在没有额外上下文模块、后处理方案和预训练模型的情况下，达到了类似的mIoU分数。我们在Cityscapes和CamVid数据集上评估了EDANet，并将其与其他最先进系统进行了比较。我们的网络可以在单个GTX 1080Ti显卡上以108帧每秒的速度处理高分辨率输入。