Camouflaged objects försök att dölja sin struktur i bakgrunden och diskriminera dem från bakgrunden är svårt även för människor. Huvudsyftet med detta dokument är att utforska det kamouflerade objektsegmenteringsproblemet, nämligen att segmentera det kamouflerade objektet(erna) för en given bild. Detta problem har inte studerats väl trots ett brett spektrum av potentiella tillämpningar, inklusive bevarande av vilda djur och upptäckt av nya arter, övervakningssystem, Sök-och räddningsuppdrag i händelse av naturkatastrofer som jordbävningar, översvämningar eller orkaner. Detta dokument behandlar ett nytt utmanande problem med kamouflerad objektsegmentering. För att lösa detta problem tillhandahåller vi en ny bilddata med kamouflerade objekt för benchmarking. Dessutom föreslår vi ett allmänt end-to-end-nätverk, kallat Anabranch-nätverket, som utnyttjar både klassificerings-och segmenteringsuppgifter. Till skillnad från befintliga nätverk för segmentering har vårt föreslagna nätverk den andra grenen för klassificering för att förutsäga sannolikheten för att innehålla kamouflerade objekt i en bild, som sedan smälts in i huvudgrenen för segmentering för att öka segmenteringsnoggrannheten. Omfattande experiment utförda på det nybyggda datasetet visar effektiviteten i vårt nätverk med hjälp av olika helt faltningsnätverk.