Die Verkehrszeichenerkennung zielt darauf ab, die Sicherheit autonomer Fahrzeuge zu gewährleisten. Angeregt durch YOLOv5 stellt dieser Artikel ein neues Modell vor, um das Problem einer schlechten Balance zwischen Genauigkeit und Effizienz bestehender Algorithmen in der Verkehrszeichenerkennung zu lösen. Zunächst wird das leichte Netzwerk MobileNetV3 zur Merkmalsextraktion eingeführt, um die Anzahl der Parameter zu reduzieren. Zweitens wird ein Aufmerksamkeitsmechanismus-Modul integriert, um die Kanalmerkmale zu verstärken und somit die durch das vereinfachte Modell verursachte Genauigkeitsminderung auszugleichen. Experimente zeigen, dass der mAP-Wert, den unser Modell auf dem chinesischen Verkehrszeichen-Datensatz erreicht, 93,6 % beträgt – ein Niveau, das dem von YOLOv5 entspricht –, während die Anzahl der Parameter weniger als ein Viertel der von YOLOv5 beträgt.