En comparación con las imágenes generales, los objetos en las imágenes de teledetección (RS) suelen exhibir una diversidad conspicua debido a sus orientaciones arbitrarias. Sin embargo, muchos de los detectores prevalentes generalmente aplican una estrategia inflexible para establecer los ángulos de anclaje, ignorando el hecho de que el número de orientaciones posibles es predecible. En consecuencia, sus procesos integran numerosas consideraciones angulares superfluas y obstaculizan su eficiencia. Para hacer frente a esta situación, proponemos una red de estimación dinámica impulsada por densidad (DDE-Net). Diseñamos tres módulos centrales en DDE-Net: un módulo de generación de mapa de densidad y máscara (DGM), un módulo de predicción de enrutamiento de máscara (MRM) y un módulo de cálculo de equilibrio espacial (SCM). DGM está diseñado para la generación de un mapa de densidad y máscara, que puede extraer características sobresalientes. MRM es para la predicción de la orientación del objeto y los pesos correspondientes, que se utilizan para calcular mapas de características. SCM se utiliza para transformar afínmente el núcleo de convolución, que aplica un mecanismo de cálculo ponderado adaptativo para mejorar la característica promedio, de modo que se equilibre la diferencia espacial para la extracción de características de rotación. Una amplia gama de evaluaciones experimentales ha demostrado de manera concluyente que nuestra metodología supera a los detectores de vanguardia existentes en conjuntos de datos comunes de objetos aéreos (DOTA y HRSC2016).