针对军用机场大尺寸卫星图像中航空器检测识别的具体应用场景，建立了一套实时目标检测识别框架，将深度卷积神经网络应用到大尺寸图像中的航空器目标检测与识别任务中。首先，将目标检测的任务看成空间上独立的bounding-box的回归问题，用一个24层卷积神经网络模型来完成bounding-box的预测；然后，利用图像分类网络来完成目标切片的分类任务。大尺寸图像上的传统目标检测识别算法通常在时间效率上很难突破，而基于卷积神经网络的航空器目标检测识别算法充分利用了计算硬件的优势，大大缩短了任务耗时。在符合应用场景的自采数据集上进行测试，所提算法目标检测实时性达到平均每张5.765 s，在召回率65.1%的工作点上达到了79.2%的精确率，分类网络的实时性达到平均每张0.972 s，Top-1错误率为13%。所提框架在军用机场大尺寸卫星图像中航空器检测识别的具体应用问题上提出了新的解决思路，同时保证了实时性和算法精度。