تم توجيه اعتراف إشارات المرور نحو ضمان سلامة القيادة الآلية. مستوحاة من نموذج YOLOv5، تقدم هذه الورقة نموذجًا جديدًا لحل المشكلة المتعلقة بالتحجيم غير المتناسق بين الدقة والكفاءة في الخوارزميات الحالية الخاصة باعتراف إشارات المرور. أولاً، تم دمج الشبكة الخفيفة MobileNetV3 لاستخراج الميزات بهدف تقليل عدد المعلمات. ثانيًا، تم إدخال وحدة آلية الانتباه لتعزيز الميزات القنوية، مما يعوّض الدقة المفقودة الناتجة عن تبسيط النموذج. تُظهر النتائج التجريبية أن قيمة mAP التي حققها نموذجنا على مجموعة بيانات إشارات المرور الصينية تصل إلى 93.6٪، وهي قريبة من المستوى المُحقَّق من قبل YOLOv5، مع أن عدد المعلمات يقل عن ربع عدد معلمات YOLOv5.