La captura de una nave espacial objetivo por un perseguidor es una operación de acoplamiento en órbita que requiere un algoritmo de reconocimiento de objetos preciso, confiable y robusto. El movimiento relativo de la nave espacial guiado por visión durante maniobras de proximidad cercana se ha aplicado de manera consecutiva utilizando modelado dinámico como un sistema de servicio de naves espaciales en órbita. Esta investigación construye un modelo de estimación de pose basado en visión que realiza procesamiento de imágenes a través de una red neuronal convolucional profunda. El modelo de estimación de pose se construyó reutilizando un modelo GoogLeNet modificado previamente entrenado con el conjunto de datos renderizado de Unreal Engine 4 de la nave espacial Soyuz. En la implementación, la red neuronal convolucional aprende de las muestras de datos para crear correlaciones entre las imágenes y los seis parámetros de libertad de movimiento de la nave espacial. El experimento ha comparado una función de pérdida basada en exponenciales y una función de pérdida basada en Euclides ponderada. Usando la función de pérdida basada en Euclides ponderada, el modelo de estimación de pose implementado logró un rendimiento moderadamente alto con una precisión de posición del 92.53 por ciento y un error de 1.2 m. La precisión de predicción en actitud puede alcanzar el 87.93 por ciento, y los errores en los tres ángulos de Euler no superan los 7.6 grados. Esta investigación puede contribuir a los problemas de detección y seguimiento de naves espaciales. Aunque el modelo basado en visión terminado es específico para el entorno del conjunto de datos sintético, el modelo podría ser entrenado más para abordar operaciones de acoplamiento reales en el futuro.