Tarnobjekte sind im Allgemeinen auch für Menschen in ihrer natürlichen Umgebung schwer zu erkennen. In dieser Arbeit schlagen wir ein neuartiges, biologisch inspiriertes Netzwerk vor, das MirrorNet genannt wird. Dieses Netzwerk nutzt sowohl die Instanzsegmentierung als auch den Spiegelstrom zur Segmentierung von Tarnobjekten. Im Gegensatz zu bestehenden Segmentierungsnetzwerken verfügt unser vorgeschlagenes Netzwerk über zwei Segmentierungsströme: den Hauptstrom und den Spiegelstrom, die jeweils dem Originalbild und dessen gespiegelten Bild entsprechen. Die Ausgabe des Spiegelstroms wird dann mit dem Ergebnis des Hauptstroms fusioniert, um die endgültige Tarnkarte zu erzeugen und die Segmentierungsgenauigkeit zu verbessern. Ausführliche Experimente auf dem öffentlichen CAMO-Datensatz zeigen die Effektivität unseres vorgeschlagenen Netzwerks. Unsere Methode erreicht eine Genauigkeit von 89 % und übertrifft damit den aktuellen Stand der Technik.Projektseite: https://sites.google.com/view/ltnghia/research/camo