无人机和北斗卫星的不断发展,给人们带来了新的生活方式,也让人们更多的接触到遥感图像,如今人们可以在几乎任何地方使用无人机拍下与以往不同视角的图像。现有的目标检测方法已经可以比较好的执行目标检测任务,然而在遥感图像中执行检测时会有一定的精度损失,这是由于遥感图像中存在着大量的大长宽比且密集排列的倾斜目标,在该场景下执行非极大值抑制算法会有较大的误差。因此,本文提出旋转目标检测方法,以更为精确的表示方式来执行遥感图像中的目标检测任务。结合前沿技术,本文对现有的水平目标检测方法改进,使其适用于旋转目标检测任务,改进后的方法能预测出目标的角度信息,并且以更为精准的旋转框来表示目标,解决了非极大值抑制算法带来的精度损失。由于遥感图像中目标占比图像的比例普遍较小,本文在特征提取网络中,引入空间域和通道域的注意力机制,并针对图像中目标的特点,对注意力模块做出改进,使主干网络在特征提取和特征融合部分,能更多的关注到遥感图像中目标的特征。在损失函数计算部分,本文提出了适用于旋转目标检测任务的短边偏移损失,用于修正旋转目标检测任务中,角度对于边框损失计算带来的误差,并让模型初步学习角度偏差和边框损失之间的联系。为了验证该方法的有效性,本文设计了多组实验,在实验中验证了本文旋转目标检测方法的有效性。并对本文所采用的模块进行消融实验,分别验证了本文所提出或改进的方法中每个模块的有效性。验证结果表明,本文所提出的方法在遥感图像数据集上与基准相比有了明显提升,和其他方法相比也取得了一定的提升。最后,基于本文提出的旋转目标检测方法和分布式架构相关理论知识,设计并实现了目标检测原型系统,为算法的项目落地提供支持。