Nous proposons une nouvelle méthode pour représenter des objets orientés dans les images aériennes, appelée Adaptative Period Embedding (APE). Alors que les méthodes traditionnelles de détection d'objets utilisent des boîtes englobantes horizontales, les objets dans les images aériennes sont souvent orientés. Le calcul de l'angle des objets reste un défi majeur. Presque tous les détecteurs d'objets précédents pour les images aériennes régressent directement l'angle des objets en utilisant des règles complexes, ce qui limite leurs performances en fonction de la conception de ces règles. En revanche, notre méthode repose sur la périodicité angulaire des objets orientés. L'angle est représenté par deux vecteurs périodiques bidimensionnels dont les périodes sont différentes ; ces vecteurs restent continus lors des changements de forme. La règle de génération des labels est plus simple et raisonnable par rapport aux méthodes précédentes. La méthode proposée est générique et peut être appliquée à d'autres détecteurs d'objets orientés. De plus, nous proposons une nouvelle méthode de calcul de l'IoU (Intersection over Union) pour les objets longs, appelée length independent IoU (LIIoU). Nous coupons une partie du côté long de la boîte cible pour obtenir le meilleur IoU entre la boîte proposée et la partie coupée de la boîte cible. Ainsi, certaines boîtes longues auront des échantillons positifs correspondants. Notre méthode a obtenu la première place dans la tâche 1 (objet orienté) du concours DOAI2019 organisé lors du workshop sur la détection d'objets dans les images aériennes en conjonction avec IEEE CVPR 2019.