La detección de objetos es una tarea clave y compleja en el campo de la visión por computadora. En los últimos años, la detección de objetos ha tenido un gran éxito en las imágenes naturales, y la investigación en la detección de objetos en imágenes aéreas también ha progresado significativamente. A diferencia de los objetos horizontales en las imágenes naturales, los objetos en las imágenes aéreas a menudo están distribuidos densamente en todas las direcciones sobre fondos complejos y cambiantes. Con el fin de localizar con precisión y eficacia los objetos giratorios e identificar su categoría, se ha propuesto una tarea de detección de objetos basada en la detección horizontal. Aunque la detección de objetos giratorios basada en el aprendizaje profundo, en particular las redes neuronales convolucionales, está recibiendo cada vez más atención, faltan estudios sistemáticos sobre los desafíos actuales. Este artículo se centra en el estado actual de la investigación sobre la detección de objetos en imágenes aéreas y analiza sistemáticamente los desafíos planteados por la detección de objetos giratorios con el fin de avanzar en las tecnologías de detección asociadas. En primer lugar, este artículo revisa los marcos generales de detección de objetos horizontales, que también sirven de base para el diseño de marcos de detección de objetos giratorios; en segundo lugar, analiza en detalle los principales desafíos a los que se enfrenta la tarea de detección de objetos giratorios, resume los principales resultados de la investigación generados para abordar cada desafío, así como sus ventajas y limitaciones; en tercer lugar, presenta brevemente los conjuntos de datos comúnmente utilizados para la detección de objetos en imágenes aéreas, y evalúa y compara los detectores giratorios líderes actuales en los conjuntos de datos públicos de imágenes aéreas como DOTA, HRSC2016, DIOR-R, STAR. Además de validar los resultados notables de la investigación actual, también comienzan a revelar de manera preliminar sus limitaciones en el procesamiento de formas geométricas extremas y escenas complejas. Por último, sobre la base de lo anterior, este artículo presenta las futuras tendencias en el desarrollo de la tarea de detección de objetos giratorios en imágenes aéreas y las direcciones de investigación futura.

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