공중 이미지 내의 객체는 일반적으로 복잡한 배경에 포함되어 있으며, 임의의 방향을 가진다. 임의의 방향을 가진 객체를 표현하기 위해 방향성 경계 박스(Oriented Bounding Box, OBB)를 사용할 경우, 각도의 주기성은 경계에서 레이블 회귀 값에 불연속성을 유발할 수 있으며, 이는 손실 함수의 급격한 변동을 초래한다. 이러한 문제를 해결하기 위해, 방향성 탐지 프레임워크 내에서 복소평면 기반의 OBB 표현 방식을 도입하고, 삼각함수 기반의 손실 함수를 제안한다. 또한, 공중 이미지에서 복잡한 배경 환경에 대한 사전 지식과 대규모 객체 간의 두드러진 차이를 활용하여, 각도 정보를 예측하는 컨포머 RPN 헤드(Conformer RPN Head)를 설계하였다. 제안된 손실 함수와 컨포머 RPN 헤드는 함께 고품질의 방향성 제안을 생성한다. 또한, 제안된 제안 레이블 할당 방식은 예측된 카테고리 피드백을 기반으로 한 카테고리 인식 동적 레이블 할당을 도입하여, 단순히 IoU에 의존하는 레이블 할당 방식의 한계를 극복한다. 이 방법은 부정 샘플 선택의 대표성을 향상시켜 분류 및 회귀 특성 간의 일관성을 보장한다. 다양한 실제 방향성 탐지 데이터셋 네 개(DOTAv1.0, DOTA-v1.5, DIOR-R, HRSC2016)에서 실험을 수행한 결과, 최소한의 파라미터 조정과 시간 비용으로도 우수한 방향성 객체 탐지 성능을 달성하였다. 특히, DOTA-v1.0, DOTA-v1.5, DIOR-R, HRSC2016 데이터셋에서 각각 82.02%, 71.99%, 69.87%, 98.77%의 평균 정밀도(mAP)를 달성하였다.