自動車の自律走行において、信号機と標識検出器は道路シーン認識に不可欠な要素です。多くの深層学習ネットワークが信号機か標識のいずれかを検出するものですが、両方を同時に検出するものは少なく、これは組み込みシステムで利用可能な限られたグラフィックス処理ユニット（GPU）メモリと電力のために実際の展開には適していないという問題を引き起こしています。この問題の根本的な原因は、公開データセットに信号機と標識の両方のラベルが含まれていないことです。これにより、統合された検出フレームワークを開発することが困難になります。本研究では、深層階層構造とミニバッチ提案選択機構を組み合わせたアーキテクチャを提案し、別々の信号機データセットと標識データセットから訓練することで、ネットワークが両方を検出できるようにしました。当方法は、一方のデータセットに存在するインスタンスが他方のデータセットでラベル付けされていないという重複問題を解決します。私たちは初めて、信号機と標識の統合検出を行うネットワークを提示します。当ネットワークは、交通標識検出用のTsinghua-Tencent 100Kベンチマークと交通信号灯検出用のBosch Small Traffic Lightsベンチマークで評価され、既存のBosch Small Traffic Light最先端手法よりも優れた性能を示しました。私たちは自動車への自律走行システムの展開に焦点を当てており、当ネットワークが他の手法よりも低いメモリ使用量とリアルタイム画像処理時間を有することから、より適していることを示しています。定性的な結果は以下のURLで確認できます: https://youtu.be/_YmogPzBXOw