Camouflaged Object 伪装目标分割数据集｜含伪装 / 非伪装图像 2500 张

CAMO 伪装目标分割数据集（Camouflaged Object）是面向伪装目标分割任务的标准计算机视觉数据集，适用于图像分割、目标检测、伪装目标识别等算法研发与评测。

数据集共 2500 张图像，结构清晰、划分标准：

伪装目标图像 1250 张：训练集 1000 张，测试集 250 张

非伪装目标图像 1250 张（源自 MS-COCO）：训练集 1000 张，测试集 250 张

可用途径

适用场景：学术研究、算法验证、模型训练、竞赛基准、毕业设计

适配方向：伪装目标检测 (COD)、语义分割、实例分割、目标提取

适用人群：高校科研、算法工程师、AI 开发者、视觉研究人员

使用方式：直接用于训练 / 测试，兼容主流深度学习框架