La détection d'objets a été un élément fondamental en vision par ordinateur. Bien que des progrès considérables aient été réalisés, il existe encore des défis pour les objets de petite taille, de direction arbitraire et de distribution dense. En plus des images naturelles, ces problèmes sont particulièrement marqués pour les images aériennes d'une grande importance. Cet article présente un nouveau détecteur multi-catégories pour les objets petits, encombrants et rotatifs, nommé SCRDet (Small, Cluttered and Rotated Objects Detector). Plus précisément, un réseau de fusion d'échantillonnage est conçu pour fusionner les caractéristiques multi-couches avec un échantillonnage d'ancre efficace, afin d'améliorer la sensibilité aux objets de petite taille. Parallèlement, le réseau d'attention aux pixels supervisé et le réseau d'attention aux canaux sont explorés conjointement pour la détection d'objets petits et encombrants en réduisant le bruit et en mettant en avant les caractéristiques des objets. Pour une estimation de rotation plus précise, un facteur constant IoU est ajouté à la perte L1 lisse pour résoudre le problème des limites de la boîte englobante rotative. Des expériences approfondies sur deux jeux de données publics de télédétection DOTA et NWPU VHR-10 ainsi que sur des jeux de données d'images naturelles COCO, VOC2007 et ICDAR2015 montrent les performances de pointe de notre détecteur. Le code et les modèles seront disponibles sur https://github.com/DetectionTeamUCAS.