遥感图像中的复杂背景占据了图像的大部分，严重影响了目标检测效果。本文提出了一种目标检测网络，可以从特征图中选择多个特征。为了提高复杂背景下小目标的检测效果，设计了一种双向多尺度特征融合网络，对深、浅层信息进行融合。在保留传统特征金字塔自上而下路径的同时，增加了自下而上的路径，为了减少多尺度特征映射中无用信息对后续检测网络的干扰，设计了基于注意机制的多特征选择模块。该网络自适应地关注有用的特征，而忽略无用的特征。针对传统五参数回归方法在预测角度时存在严重的边界不连续问题，无法准确预测大纵横比目标，将角度预测作为一项分类任务。在DOTA数据集和自制的DOTAGF数据集上进行了实验。六个典型目标的mAP分别达到0.651和0.641。与主流目标检测算法进行了比较，实验结果表明了该方法的有效性