定向目标检测在自然场景文本检测以及航空影像中的目标检测领域中广泛出现。传统的定向目标检测器通常基于RCNN框架，通过旋转锚框（anchors）来适应不同角度的目标，这导致锚框数量随角度种类显著增加，同时需配合旋转非极大值抑制（Rotating NMS）算法，使得模型的计算复杂度大幅上升。本文提出一种新型检测模型——定向目标检测网络O²-DNet，通过预测每个目标内部的一对中线来实现定向目标的检测。O²-DNet是一种单阶段、无锚框（anchor-free）且无需非极大值抑制（NMS-free）的检测模型。该模型所定义的目标线段为原始旋转边界框标注中对应的两条中线，可直接由标注数据转换得到，无需额外的人工标注。实验结果表明，O²-DNet在ICDAR 2015和DOTA数据集上均取得了优异的检测性能。值得注意的是，COCO数据集中的目标可视为角度为90度的特殊形式的定向目标，而O²-DNet在这些通用自然场景目标检测数据集上依然能够取得具有竞争力的检测结果。