Luận văn tập trung nghiên cứu và đánh giá các kỹ thuật học sâu tiên tiến trong bài toán phát hiện đối tượng từ ảnh viễn thám. Các thách thức chính như sự đa dạng về kích thước, hình dáng đối tượng, độ che phủ của mây và nhiễu nền phức tạp được phân tích chi tiết. Nghiên cứu khảo sát các kiến trúc mạng nơ-ron tích chập (CNN) phổ biến như Faster R-CNN, YOLO và SSD, đồng thời đề xuất các cải tiến nhằm nâng cao độ chính xác và tốc độ xử lý. Các kỹ thuật tiền xử lý dữ liệu, tăng cường dữ liệu (data augmentation) và hậu xử lý kết quả cũng được xem xét. Thực nghiệm được tiến hành trên các bộ dữ liệu ảnh vệ tinh công khai như DOTA và NWPU VHR-10. Kết quả cho thấy các mô hình học sâu, đặc biệt là các biến thể của YOLO, đạt hiệu suất vượt trội so với các phương pháp truyền thống, mở ra hướng ứng dụng hiệu quả trong giám sát đô thị, quản lý tài nguyên và hỗ trợ cứu hộ khẩn cấp.