교통 표지의 자동 감지 및 인식은 교통 표지 관리에 있어 중요한 역할을 합니다. 이는 최소한의 인적 노력을 통해 정확하고 적시적으로 교통 표지 관리를 수행하는 방법을 제공합니다. 컴퓨터 비전 분야에서 교통 표지의 인식 및 감지는 이미 많이 연구된 문제입니다. 대부분의 기존 접근법은 고급 운전자 보조 시스템과 자율 주행 시스템에 필요한 교통 표지(약 50개 범주 중 몇백 개 중 일부)에 대해 잘 작동하지만, 이는 전체 교통 표지 중 상대적으로 작은 수를 나타냅니다. 따라서, 교통 표지 관리에서 수작업을 제거하기 위해 필요한 나머지 교통 표지 집합에 대한 성능은 여전히 미해결된 질문으로 남아 있습니다. 본 논문에서는 교통 표지 관리를 자동화하기에 적합한 많은 범주의 교통 표지를 감지하고 인식하는 문제를 다룹니다. 우리는 컨벌루션 신경망(CNN) 접근법인 Mask R-CNN을 채택하여 감지와 인식의 전체 프로세스를 자동으로 끝까지 학습하는 방법을 제안합니다. 또한, 우리는 여러 개선점을 제안하여 이를 교통 표지 감지에 평가하였으며, 이로 인해 전반적인 성능이 향상되었습니다. 이 접근법은 우리 새로운 데이터셋에서 표현된 200개의 교통 표지 범주를 감지하는 데 적용되었습니다. 결과는 이전 연구에서 고려되지 않았던 매우 어려운 교통 표지 범주들에 대해 보고됩니다. 우리는 대범주 내부에서 다양한 외관을 가진 교통 표지를 감지하기 위한 딥러닝 방법에 대한 종합적인 분석을 제공하며, 제안된 접근법으로 3% 미만의 오류율을 보여주어 실용적인 교통 표지 관리 응용 프로그램에 배포할 만큼 충분하다는 것을 입증하였습니다.