Autor: Domingos Graciano
    Repositório: [kelly-n/unet-kvasir-seg](https://huggingface.co/kelly-n/unet-kvasir-seg)

    Modelo desenvolvido no Lab da Semana 04 para segmentação de pólipos em imagens de colonoscopia.

    ## Arquitetura

    Implementação da U-Net baseada em Ronneberger et al. (2015):

    - Encoder — 4 blocos de dupla convolução + max pooling. Resolução: H x W -> H/2 -> H/4 -> H/8 -> H/16
    - Bottleneck — camada intermédia com 1024 canais e resolução H/16
    - Decoder — transposed convolutions que expandem de volta ao tamanho original
    - Skip Connections — ligam cada nível do encoder ao decoder correspondente
    - Output — convolução 1x1 que produz máscara binária de shape 1 x H x W

    ## Dataset

    - Nome: Kvasir-SEG
    - Fonte: Angelou0516/kvasir-seg
    - Total: 800 imagens de colonoscopia com máscaras anotadas manualmente
    - Divisão: 640 treino / 160 validação (80/20)

    ## Loss Function

    Dice Loss para lidar com o desbalanceamento de classes.

    O pólipo representa apenas 10-20% dos pixels. A Dice Loss mede a sobreposição
    entre a previsão e a máscara real, sendo igualmente sensível a ambas as classes.

    ## Métricas

    - Dice Coefficient — sobreposição entre previsão e máscara real [0, 1]
    - IoU (Jaccard Index) — interseção sobre união [0, 1]

    ## Treino

    - Framework: PyTorch
    - Optimizer: Adam (lr=1e-4)
    - Epochs: 10
    - Batch size: 8
    - Resolução: 256 x 256