カモフラージュされたオブジェクトは、テクスチャを背景に隠そうとし、背景からそれらを識別することは、人間にとっても困難です。 本論文の主な目的は，与えられた画像に対するカモフラージュされた物体のセグメンテーション問題，すなわちカモフラージュされた物体のセグメ この問題は、野生動物の保存や新種の発見、監視システム、地震、洪水、ハリケーンなどの自然災害時の捜索救助ミッションなど、幅広い潜在的な用途にもかかわ カモフラージュされた物体セグメンテーションの新しい挑戦的な問題に対処した。 この問題に対処するために，ベンチマーク目的のためにカモフラージュされたオブジェクトの新しい画像データセットを提供した。 さらに，分類とセグメンテーションの両方のタスクを活用する一般的なエンドツーエンドネットワークを提案した。 提案したネットワークは，セグメンテーションのための既存のネットワークとは異なり，画像中にカモフラージュされた物体が含まれる確率を予測するための分類のための第二の枝を有し，セグメンテーションのための主枝に融合されてセグメンテーション精度を向上させる。 新しく構築したデータセットに対して行った広範な実験により，種々の完全畳み込みネットワークを用いたネットワークの有効性を実証した。