算力负担限制了移动设备中CNN在密集估计任务中的使用。在论文《LEDNet: A Lightweight Encoder-Decoder Network for Real-Time Semantic Segmentation》中，研究者提出了一个轻量级网络来解决这个问题，即 LEDNet，它采用非对称（asymmetric）编码器 - 解码器架构来进行实时语义分割。更具体地说，编码器采用 ResNet 作为骨干网络，其中有两个新操作：channel split and shuffle，被应用在每个残余块中，以大大降低计算成本，同时保持更高的分割精度。 另一方面，在解码器中采用注意力金字塔网络（APN，attention pyramid network）以进一步减轻整个网络的复杂性。研究者使用的模型参数不到1M，并且能够在单个GTX 1080Ti GPU中以超过71 FPS的速度运行。实验表明，该方法在 CityScapes 数据集的速度和准确性权衡方面取得了SOTA。