zakamuflowane obiekty próbują ukryć swoją teksturę w tle i odróżnianie ich od tła jest trudne nawet dla ludzi. Głównym celem pracy jest zbadanie problemu kamuflażowej segmentacji obiektów, czyli segmentacji zakamuflowanych obiektów dla danego obrazu. Problem ten nie został dobrze zbadany pomimo szerokiego zakresu potencjalnych zastosowań, w tym ochrony dzikich zwierząt i odkrywania nowych gatunków, systemów nadzoru, misji poszukiwawczo-ratowniczych w przypadku klęsk żywiołowych, takich jak trzęsienia ziemi, powodzie lub huragany. Niniejszy artykuł dotyczy nowego, trudnego problemu zakamuflowanej segmentacji obiektów. Aby rozwiązać ten problem, udostępniamy nowy zestaw danych obrazu zakamuflowanych obiektów w celach porównawczych. Ponadto proponujemy ogólną sieć end-to-end, zwaną siecią Anabranch, która wykorzystuje zarówno zadania klasyfikacji, jak i segmentacji. W odróżnieniu od istniejących sieci do segmentacji, nasza proponowana sieć posiada drugą gałąź do klasyfikacji, aby przewidzieć prawdopodobieństwo umieszczenia zakamuflowanych obiektów na obrazie, która jest następnie łączona z główną gałęzią do segmentacji, aby zwiększyć dokładność segmentacji. Rozległe eksperymenty przeprowadzone na nowo zbudowanym zbiorze danych pokazują skuteczność naszej sieci przy użyciu różnych sieci w pełni konwolucyjnych.