La détection d'objets orientés apparaît fréquemment dans le domaine de la détection de texte dans les scènes naturelles ainsi que dans la détection d'objets sur images aériennes. Les détecteurs traditionnels d'objets orientés reposent généralement sur la rotation des anchors dans le cadre des architectures RCNN, ce qui multiplie le nombre d'anchors à différentes orientations. Associé à un algorithme NMS (Non-Maximum Suppression) rotationnel, ce processus entraîne une augmentation significative de la complexité computationnelle de ces modèles. Dans ce travail, nous proposons un nouveau modèle nommé Oriented Objects Detection Network, O^2-DNet, conçu pour détecter les objets orientés en prédisant une paire de lignes médianes à l’intérieur de chaque objet. O^2-DNet est un modèle à une phase, sans anchors et sans NMS. Les segments de ligne cibles de notre modèle sont définis comme deux lignes médianes correspondantes des annotations de boîtes englobantes rotatives initiales, pouvant être transformés directement sans nécessiter d’étiquetage manuel supplémentaire. Les expériences montrent que O^2-DNet atteint des performances excellentes sur les jeux de données ICDAR 2015 et DOTA. Il est à noter que les objets du dataset COCO peuvent être considérés comme un cas particulier d'objets orientés ayant une orientation de 90 degrés. O^2-DNet parvient également à obtenir des résultats compétitifs sur ces jeux de données généraux de détection d'objets naturels.