图像语义分割是计算机视觉领域中最具挑战性的问题之一。随着场景理解、重构和图像处理等计算机视觉领域最热门话题的兴起,图像语义分割作为上述热门话题的基础,也受到了越来越多该领域科研人员的重视。然而目前大多数语义分割算法落地面临着的巨大的问题:过大的运算量和参数量一方面提高了算法使用的整体成本,另一方面也大大提高了技术的使用门槛,使算法落地的应用场景大大受限,所以轻量化的语义分割算法需求迫在眉睫。本文针对以上问题,通过将边缘信息引入基于深度学习的语义分割方法中,从而实现语义分割算法的轻量化。算法设计了高效语义分割框架,框架中包含三个主要部分:高效边缘检测分支、高效语义分割分支和多层边缘语义信息融合。我们根据现有轻量化的骨干网络设计了更为高效的边缘检测分支和语义分割分支。通过多层边缘语义信息融合模块将边缘信息更好引入到语义信息中,从而使算法在效率上得到明显的提升。本文还设计并实现了基于语义分割的图像风格化系统。系统设计主要分为两个阶段三大模块:系统主要包括了离线训练和在线推理阶段。其中离线训练阶段包括了预训练模块和联合训练模块,在线推理阶段包括了移动端推理模块。综上所述,本文分析了语义分割现有方法中的不足,针对这些不足提出了基于图像边缘信息的轻量化语义分割方法,并且根据该方法设计并实现了基于语义分割的图像风格化系统。通过在公开数据集Cityscapes上的对比实验以及系统的测试,验证了所提出方法的有效性以及所设计系统的稳定性、可用性。