Les objets camouflés tentent de dissimuler leur texture en arrière-plan et les distinguer de l’arrière-plan est difficile, même pour les êtres humains. L’objectif principal de cet article est d’explorer le problème de segmentation des objets camouflés, à savoir la segmentation du ou des objets camouflés pour une image donnée. Ce problème n’a pas été bien étudié malgré un large éventail d’applications potentielles, notamment la préservation des animaux sauvages et la découverte de nouvelles espèces, des systèmes de surveillance, des missions de recherche et de sauvetage en cas de catastrophes naturelles telles que les tremblements de terre, les inondations ou les ouragans. Cet article aborde un nouveau problème difficile de segmentation des objets camouflés. Pour résoudre ce problème, nous fournissons un nouvel ensemble de données d’images d’objets camouflés à des fins d’analyse comparative. De plus, nous proposons un réseau général de bout en bout, appelé Réseau Anabranch, qui exploite à la fois les tâches de classification et de segmentation. Différent des réseaux existants pour la segmentation, notre réseau proposé possède la deuxième branche de classification pour prédire la probabilité de contenir des objets camouflés dans une image, qui est ensuite fusionnée dans la branche principale pour la segmentation afin d’augmenter la précision de la segmentation. Des expériences approfondies menées sur l’ensemble de données nouvellement construit démontrent l’efficacité de notre réseau en utilisant divers réseaux entièrement convolutifs.