Echtzeit-Semantische Segmentierung spielt eine wichtige Rolle in praktischen Anwendungen wie autonomen Fahrzeugen und Robotern. Die meisten Forschungen im Bereich der semantischen Segmentierung konzentrieren sich auf die Verbesserung der Schätzgenauigkeit, wobei Effizienz oft vernachlässigt wird. Mehrere frühere Studien, die den Schwerpunkt auf schnelle Inferenz legten, schlugen häufig fehl, wenn es darum ging, hochgenaue Segmentierungsresultate zu erzielen. In dieser Arbeit schlagen wir ein neues Faltungsnetzwerk vor, das als Efficient Dense modules with Asymmetric convolution (EDANet) bezeichnet wird. EDANet verwendet eine asymmetrische Faltungskonstruktion und integriert verdünnte Faltungen sowie dichte Verbindungen, um hohe Effizienz bei geringem Rechenaufwand und kleinem Modellvolumen zu erreichen. EDANet ist 2,7-mal schneller als das bestehende schnelle Segmentierungsnetzwerk ICNet, während es eine ähnliche mIoU-Wertung ohne zusätzliche Kontextmodule, Nachbearbeitungsverfahren oder vortrainierte Modelle erzielt. Wir evaluieren EDANet auf den Datensätzen Cityscapes und CamVid und vergleichen es mit anderen Stand-der-Technik-Systemen. Unser Netzwerk kann Eingaben in hoher Auflösung mit einer Geschwindigkeit von 108 FPS auf einem GTX 1080Ti verarbeiten.