La détection d'objets est une tâche clé et difficile dans le domaine de la vision par ordinateur. Ces dernières années, la détection d'objets a connu un énorme succès sur les images naturelles, et la recherche en matière de détection d'objets sur les images de télédétection a également progressé considérablement. Contrairement aux objets horizontaux sur les images naturelles, les objets sur les images de télédétection sont souvent distribués de manière dense dans n'importe quelle direction sur des arrière-plans complexes et changeants. Une tâche de détection d'objets en rotation a été proposée sur la base de la détection d'objets horizontaux pour localiser de manière précise et efficace la direction des objets et identifier leurs catégories. Bien que la détection d'objets en rotation basée sur l'apprentissage en profondeur, en particulier les réseaux neuronaux convolutifs (CNN), attire de plus en plus l'attention, il manque actuellement une étude systématique sur les défis de ce domaine. Cet article se concentre principalement sur l'état actuel de la recherche en matière de détection d'objets sur les images de télédétection et analyse de manière systématique les défis difficiles de la détection d'objets en rotation dans le but de faire avancer les technologies de détection connexes. Tout d'abord, les cadres généraux de détection d'objets horizontaux, qui sont également à la base de la conception des cadres de détection d'objets en rotation, sont systématiquement répertoriés ; deuxièmement, les défis principaux auxquels est confrontée la tâche de détection d'objets en rotation sont mis en évidence, les résultats principaux des recherches résultant de chaque défi, avec identification de leurs avantages et limites ; troisièmement, une brève présentation des ensembles de données de détection d'objets sur les images de télédétection couramment utilisés est faite, et une évaluation des détecteurs de rotation avancés actuels sur des ensembles de données standard tels que DOTA, HRSC2016, DIOR-R,STAR est effectuée, révélant ainsi l'efficacité des recherches actuelles et montrant préliminairement leurs limites en traitant de formes géométriques extrêmes et de scènes complexes ; enfin, sur cette base, des prévisions sur l'évolution de la tâche de détection d'objets en rotation sur les images de télédétection et des orientations pour des recherches futures sont présentées.

détection d'objets, images de télédétection, détection d'objets en rotation, réseaux neuronaux convolutifs, boîtes délimitatrices de rotation