La detección de objetos es una tarea fundamental 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 sobre la detección de objetos en imágenes de teledetección espacial también ha tenido avances significativos. A diferencia de los objetos horizontales en las imágenes naturales, los objetos en las imágenes de teledetección espacial suelen distribuirse de forma densa en cualquier dirección sobre fondos complejos y variables. Para localizar e identificar con precisión y eficiencia objetos en rotación y reconocer su categoría, se ha propuesto una tarea de detección de objetos en rotación basada en la detección de objetos horizontales. Aunque la detección de objetos en rotación basada en el aprendizaje profundo, especialmente las redes neuronales convolucionales CNN, está recibiendo cada vez más atención, actualmente falta un estudio sistemático sobre los desafíos existentes. Este artículo tiene como objetivo aclarar el estado de la investigación en la detección de objetos en imágenes de teledetección espacial de manera sistemática, analizar de manera sistemática los desafíos existentes en la detección de objetos en rotación, con el fin de fomentar el desarrollo de tecnologías de detección relacionadas. En primer lugar, se examina y resume un resumen de los marcos generales de detección de objetos horizontales, que también sirven de base para el diseño de marcos de detección de objetos en rotación. En segundo lugar, se presta especial atención a los principales desafíos a los que se enfrenta la tarea de detección de objetos en rotación, se resumen los principales resultados derivados de abordar cada desafío, así como las ventajas y limitaciones. En tercer lugar, se proporciona una breve introducción a los conjuntos de datos comúnmente utilizados para la detección de objetos en imágenes de teledetección espacial, y se realiza una evaluación comparativa de los detectores de objetos en rotación actuales en conjuntos de datos de referencia públicos de teledetección espacial como DOTAHRSC2016, DIOR-R, STAR, confirmación significativa de los resultados actuales de la investigación, y revelación preliminar de las limitaciones en el manejo de formas geométricas extremas y escenas complejas. Finalmente, se presentan perspectivas para el desarrollo de la tarea de detección de objetos en rotación en imágenes de teledetección espacial, indicando tendencias futuras de investigación y direcciones de desarrollo.

detección de objetos; teledetección espacial; detección de objetos en rotación; redes neuronales convolucionales; cajas delimitadoras en rotación