اكتشاف الأشياء المموهة (COD) يهدف إلى كشف الأشياء التي تتشابه أنماطها (مثل النسيج، والكثافة، واللون، إلخ) مع محيطها، وقد جذب مؤخرًا اهتمامًا بحثيًا متزايدًا. نظرًا لأن الأشياء المموهة غالبًا ما تظهر حدودًا غامضة للغاية، فإن تحديد مواقع الأشياء وحدودها الضعيفة يعد تحديًا وهو أيضًا المفتاح لهذه المهمة. مستوحى من عملية الإدراك البصري البيولوجي عندما يكتشف المشاهد البشري الأشياء المموهة، يقدم هذا البحث شبكة إعادة الت head=""تصحيح القابلة للعكس بالاستناد إلى الحواف تُسمى ERRNet. يتميز نموذجنا بتصميمين مبتكرَين وهما: جمع الحواف الانتقائي (SEA) ووحدة إعادة التصحيح القابلة للعكس (RRU)، والتي تهدف إلى نمذجة سلوك الإدراك البصري وتحقيق أولوية حواف فعالة ومقارنة عرضية بين المناطق المحتملة المموهة والمحيط الخلفي. وأكثر أهمية من ذلك، تقوم RRU بتضمين أولويات متنوعة تحتوي على معلومات أكثر شمولية مقارنة بنماذج COD الموجودة حاليًا.تظهر النتائج التجريبية أن ERRNet يتفوق على خطوط الأساس الرائدة الحالية في ثلاثة مجموعات بيانات لـ COD وفي خمسة مجموعات بيانات لتقسيم الصور الطبية. وبشكل خاص، مقارنةً بأفضل نموذج موجود حاليًا وهو SINet، يحسن ERRNet الأداء بشكل كبير بنسبة ~6% (متوسط قياس E) وبسرعة مرتفعة بشكل ملفت (79.3 صورة في الثانية)، مما يشير إلى أن ERRNet يمكن أن يكون حلًّا عامًّا وقويًّا لمهمة COD.