Los objetos camuflados intentan ocultar su textura en el fondo y discriminarlos del fondo es difícil incluso para los seres humanos. El objetivo principal de este artículo es explorar el problema de segmentación de objetos camuflados, es decir, segmentar el objeto o objetos camuflados para una imagen dada. Este problema no ha sido bien estudiado a pesar de una amplia gama de aplicaciones potenciales, incluida la preservación de animales salvajes y el descubrimiento de nuevas especies, sistemas de vigilancia, misiones de búsqueda y rescate en caso de desastres naturales como terremotos, inundaciones o huracanes. Este artículo aborda un nuevo y desafiante problema de la segmentación de objetos camuflados. Para abordar este problema, proporcionamos un nuevo conjunto de datos de imágenes de objetos camuflados con fines de evaluación comparativa. Además, proponemos una red general de extremo a extremo, llamada Red Anabranch, que aprovecha las tareas de clasificación y segmentación. A diferencia de las redes existentes para la segmentación, nuestra red propuesta posee la segunda rama para la clasificación para predecir la probabilidad de contener objetos camuflados en una imagen, que luego se fusiona en la rama principal para la segmentación para aumentar la precisión de la segmentación. Los extensos experimentos realizados en el conjunto de datos recién construido demuestran la eficacia de nuestra red utilizando varias redes completamente convolucionales.