针对传统遥感影像目标检测的深度学习网络需要人工设计、过度依赖专家经验、费力耗时等问题，提出了一种基于神经网络架构搜索的遥感影像目标检测方法，通过逐路径采样和进化搜索策略自动构建高效的目标检测网络，完成遥感影像目标检测任务。在DIOR数据集和RSOD数据集上进行了实验，目标检测平均精度达到67.8%和85.5%,FLOPs为208.47 G和201.67 G，在检测精度和计算效率方面均优于Faster R-CNN、RetinaNet、NAS-FCOS、ResNet Strikes Back、HRNet和GRoIE等现有网络模型。实验结果表明，本方法能自动搜索出高分辨率遥感影像目标检测的网络架构，具有比人工设计的经典网络更优越的性能。