Los métodos de segmentación semántica de última generación dependen demasiado de redes profundas complicadas y, por lo tanto, no pueden entrenar de manera eficiente. Este documento presenta una nueva arquitectura Circle-U-Net que supera al U-Net original en varios estándares. El modelo propuesto incluye capas de conexión circular, que es la columna vertebral de la arquitectura ResUNet-a. El modelo posee una parte de contracción con cuello de botella residual y capas de conexión circular que capturan el contexto y caminos de expansión, con capas de muestreo y capas de fusión para una localización píxel a píxel. Los resultados del experimento muestran que el Circle-U-Net propuesto logra una precisión mejorada del 5.6676%, 2.1587% de IoU (Intersección de unión, IoU) y puede detectar un 67% de clases mayores que U-Net, lo cual es mejor que los resultados actuales.