精准的眼部分割能够提升眼动估计的准确性，并为基于视觉注意力的交互式计算提供支持；然而，现有的眼部分割方法普遍存在个体依赖性高、鲁棒性差以及无法实现实时运行等问题。本文提出一种名为RITnet的深度神经网络模型，该模型融合了U-Net与DenseNet的结构优势。RITnet模型体积小于1 MB，在2019年OpenEDS语义分割挑战赛中取得了95.3%的准确率。在配备GeForce GTX 1080 Ti显卡的设备上，RITnet的追踪速率超过300 Hz，可支持实时眼动追踪应用。预训练模型及源代码已公开，获取地址为：https://bitbucket.org/eye-ush/ritnet/。