La fuerza de la investigación científica en el campo aeroespacial se ha convertido en un criterio esencial para medir el nivel científico y tecnológico de un país y su poder nacional integral, pero en el gran esquema, muchos factores están más allá del control humano. Como se sabe, la dificultad con el acoplamiento de objetivos no cooperativos es su incapacidad para proporcionar información de actitud de manera autónoma. Los métodos existentes de estimación de pose de objetivos no cooperativos tienen baja precisión y alto consumo de recursos. Este artículo propone un método de estimación de pose basado en aprendizaje profundo para resolver estos problemas. El método de estimación de pose propuesto consiste en dos trabajos innovadores distintos. You Only Look Once v5 (YOLOv5) es una red innovadora y ligera que se utiliza para pre-reconocer objetivos no cooperativos. Otra parte introduce módulos de teoría de compresores de espacio y canal concurrentes en una Red de Alta Resolución (HRNet) ligera para extender sus ventajas en tiempo real, y por lo tanto propone una red de Squeeze and Excitation-Ligera de Alta Resolución (scSE-LHRNet) para la estimación de pose. Para verificar la superioridad de la red propuesta, se realizaron experimentos en un conjunto de datos disponible públicamente con múltiples métricas de evaluación para comparar y analizar los métodos existentes. Los resultados experimentales muestran que el método de estimación de pose propuesto reduce drásticamente la complejidad del modelo, disminuye efectivamente la cantidad de cálculo y logra resultados significativos en la estimación de pose.