目的为了满足语义分割算法的准确性和实时性要求，提出了一种基于孔洞分离卷积模型和注意机制的实时语义分割方法。方法将深度分离卷积与不同孔率的孔卷积相结合，设计了孔分离卷积模块，在减少模型计算量的同时，更有效地提取特征。在网络输出端增加通道注意模块和空间注意模块，增强通道信息和特征空间信息的表达，并与原始特征融合，为了进一步提高特征的表达能力，将融合后的特征采样到原始图像的大小，预测像素类别，实现了语义分割。结果实验在Cityscapes数据集和Cam-Vid数据集上进行。分割精度分别为70.4%和67.8%，速度为71帧/秒，模型参数量仅为0.66m。在不影响速度的情况下，分割精度比原方法分别提高了1.2%和1.2%，验证了该方法的有效性。同时，与近年来的实时语义分割方法相比，它也显示出一些优势。结论该方法采用了孔分离卷积模块和注意模块，可以在减少模型计算量的同时更有效地提取特征，在保证实时分割的同时提高分割精度，在准确性和实时性之间实现有效平衡。