En este artículo, proponemos un sistema de exploración autónoma de drones tridimensional (ADES) con un modelo de predicción de saliencia ligero y de baja latencia para explorar entornos desconocidos. Varios estudios han aplicado la predicción de saliencia en la exploración de drones. Sin embargo, estos estudios no son lo suficientemente maduros. Por ejemplo, no se ha considerado la complejidad computacional y el tamaño de los modelos de predicción desarrollados. Además, algunos estudios solo han propuesto modelos de predicción de saliencia sin aplicarlos realmente a drones. El sistema ADES propuesto en este artículo tiene un modelo de predicción de saliencia pequeño y rápido y utiliza un nuevo enfoque de exploración de drones basado en odometría visual-inercial para resolver los problemas prácticos encontrados durante la exploración de drones, como colisiones con objetos salientes y la exploración repetida de objetos salientes. El sistema ADES propuesto tiene un rendimiento comparable a la red de predicción de saliencia de múltiples imágenes discontinuas de última generación, TA-MSNet, y permite a los drones explorar entornos desconocidos con alta eficiencia.