La détection d'objets est une tâche clé et complexe dans le domaine de la vision par ordinateur. Ces dernières années, la détection d'objets a connu un grand succès dans les images naturelles, et la recherche sur la détection d'objets dans les images aériennes a également fait des progrès significatifs. Contrairement aux objets horizontaux dans les images naturelles, les objets dans les images aériennes sont souvent répartis de manière dense dans toutes les directions sur des arrière-plans complexes et changeants. Afin de localiser avec précision et efficacité les objets tournants et d'identifier leur catégorie, une tâche de détection d'objets basée sur la détection horizontale a été proposée. Bien que la détection d'objets tournants basée sur l'apprentissage en profondeur, en particulier les réseaux neuronaux convolutifs, suscite de plus en plus d'intérêt, les études systématiques sur les défis actuels font défaut. Cet article met l'accent sur l'état actuel de la recherche sur la détection d'objets dans les images aériennes et analyse systématiquement les défis posés par la détection d'objets tournants dans le but de faire progresser les technologies de détection associées. Tout d'abord, cet article passe en revue les cadres généraux de détection d'objets horizontaux, qui servent également de base à la conception des cadres de détection d'objets tournants ; ensuite, il analyse en détail les principaux défis auxquels est confrontée la tâche de détection d'objets tournants, résume les principaux résultats de recherche générés pour relever chaque défi, ainsi que leurs avantages et limites ; troisièmement, il présente brièvement les ensembles de données couramment utilisés pour la détection d'objets dans les images aériennes, et évalue et compare les détecteurs tournants de pointe actuels sur des ensembles de données d'images aériennes publics tels que DOTA, HRSC2016, DIOR-R, STAR. En plus de valider les résultats remarquables des recherches actuelles, elles révèlent également de manière préliminaire leurs limites dans le traitement des formes géométriques extrêmes et des scènes complexes. Enfin, sur la base de ce qui précède, cet article présente les tendances futures du développement de la tâche de détection d'objets tournants dans les images aériennes et les orientations de recherche futures.

object detection;aerial remote sensing images;Oriented Object Detection;convolutional neural networks;oriented bounding box