Dans cet article, nous nous concentrons sur la tâche exigeante de la segmentation sémantique en temps réel. Bien qu'elle présente de nombreuses applications pratiques, elle soulève un défi fondamental : réduire une grande partie des calculs nécessaires pour l'inférence des étiquettes par pixel. Nous proposons un réseau en cascade d'images (ICNet), qui intègre des branches à différentes résolutions sous une guidance d'étiquettes appropriée afin de relever ce défi. Nous fournissons une analyse approfondie de notre architecture et introduisons l'unité de fusion de caractéristiques en cascade, permettant d'obtenir rapidement une segmentation de haute qualité. Notre système permet une inférence en temps réel sur une seule carte GPU, tout en fournissant des résultats de qualité satisfaisante sur des jeux de données exigeants tels que Cityscapes, CamVid et COCO-Stuff.