camouflerede objekter forsøg på at skjule deres struktur i baggrunden og at skelne dem fra baggrunden er svært selv for mennesker. Hovedformålet med dette papir er at udforske det camouflerede objektsegmenteringsproblem, nemlig segmentering af det camouflerede objekt(er) for et givet billede. Dette problem er ikke blevet undersøgt godt på trods af en lang række potentielle anvendelser, herunder bevarelse af vilde dyr og opdagelse af nye arter, overvågningssystemer, eftersøgnings-og redningsmissioner i tilfælde af naturkatastrofer som jordskælv, oversvømmelser eller orkaner. Dette papir omhandler et nyt udfordrende problem med camoufleret objektsegmentering. For at løse dette problem leverer vi et nyt billeddatasæt af camouflerede objekter til benchmarkingformål. Derudover foreslår vi et generelt ende-til-ende-netværk, kaldet Anabranch-netværket, der udnytter både klassificerings-og segmenteringsopgaver. Forskelligt fra eksisterende netværk til segmentering besidder vores foreslåede netværk den anden gren til klassificering for at forudsige sandsynligheden for at indeholde camouflerede objekter i et billede, som derefter smeltes sammen i hovedgrenen til segmentering for at øge segmenteringsnøjagtigheden. Omfattende eksperimenter udført på det nybyggede datasæt demonstrerer effektiviteten af vores netværk ved hjælp af forskellige fuldt indviklede netværk.