La detección de objetivos es una tarea clave y desafiante en el campo de la visión por computadora. En los últimos años, la detección de objetivos ha tenido un gran éxito en las imágenes naturales, y la investigación sobre la detección de objetivos en imágenes de teledetección también ha avanzado significativamente. A diferencia de los objetos horizontales en las imágenes naturales, los objetos en las imágenes de teledetección suelen estar distribuidos de manera densa en cualquier dirección en un fondo complejo y cambiante. Se ha propuesto una tarea de detección de objetos en rotación basada en la detección de objetos horizontales para localizar con precisión y eficiencia la dirección de los objetos e identificar sus categorías. Aunque la detección de objetos en rotación basada en el aprendizaje profundo, en particular las redes neuronales convolucionales (CNN), está atrayendo cada vez más la atención, actualmente falta una investigación sistemática sobre los desafíos en este campo. Este artículo se centra principalmente en el estado actual de la investigación sobre la detección de objetivos en imágenes de teledetección y analiza sistemáticamente los desafíos difíciles de la detección de objetos en rotación con el fin de avanzar en las tecnologías de detección relacionadas. En primer lugar, se enumeran sistemáticamente los marcos generales de detección de objetos horizontales, que también sirven de base para el diseño de los marcos de detección de objetos en rotación; en segundo lugar, se destacan los principales desafíos que enfrenta la tarea de detección de objetos en rotación, se resumen los principales resultados de la investigación resultantes de cada desafío, con identificación de sus ventajas y limitaciones; en tercer lugar, se hace una breve presentación de los conjuntos de datos de detección de objetivos en imágenes de teledetección comúnmente utilizados, y se realiza una evaluación de los detectores de rotación avanzados actuales en conjuntos de datos estándar como DOTA, HRSC2016, DIOR-R, STAR, revelando así la eficacia de la investigación actual y mostrando preliminarmente sus limitaciones al tratar formas geométricas extremas y escenas complejas; finalmente, sobre esta base, se presentan pronósticos sobre la evolución de la tarea de detección de objetos en rotación en imágenes de teledetección y las direcciones para investigaciones futuras.

detección de objetos, imágenes de teledetección, detección de objetos en rotación, redes neuronales convolucionales, cajas delimitadoras de rotación