意味画像セグメンテーションは、自動運転や医療画像解析を含む多くの視覚応用において中心的な役割を果たしている。従来の多くの手法は、精度の向上に注力する一方で、計算効率についてはほとんど考慮されてこなかった。本論文では、意味画像セグメンテーション向けの軽量アーキテクチャであるLiteSegを提案する。本研究では、新しい深層化されたAtrous Spatial Pyramid Poolingモジュール（ASPP）の構築を検討し、短距離および長距離の残差接続、および深度可分畳み込みを導入することで、高速かつ効率的なモデルの実現を図った。LiteSegアーキテクチャは、Darknet19、MobileNet、ShuffleNetといった複数のバックボーンネットワークを用いて検証され、精度と計算コストの間のさまざまなトレードオフを提供する。提案するLiteSegモデル（MobileNetV2をバックボーンとして使用）は、Cityscapesデータセット上で640×360解像度にて、161フレーム/秒の処理速度で平均交差率（mIoU）67.81%の精度を達成した。