La detección de señales de tráfico es una dirección de investigación importante en el proceso de transporte inteligente en la era de Internet, y desempeña un papel crucial en garantizar la seguridad del tráfico. El propósito de esta investigación es proponer un algoritmo de detección de señales de tráfico basado en la atención de núcleo selectivo (SK attention), centro visual explícito (EVC) y modelo YOLOv5 para abordar los problemas de objetivos pequeños, detección incompleta y precisión de detección insuficiente en situaciones viales naturales y complejas. Primero, se fusiona el mapa de características con un campo receptivo más pequeño en la red principal con otros mapas de características de escala para aumentar la capa de detección de objetivos pequeños. Luego, se introduce el mecanismo de atención SK para extraer y ponderar características en diferentes escalas y niveles, mejorando la atención al objetivo. Al fusionar el centro visual explícito para recopilar características del área local dentro de la capa, se mejora el efecto de detección de objetivos pequeños. Según los resultados del experimento, la precisión media promedio (mAP) en el Conjunto de Datos de Señales de Tráfico Tsinghua-Tencent (TT100K) para el algoritmo propuesto es del 88.5%, lo que es un 4.6% más alto que el modelo original, demostrando la practicidad de la detección de señales de tráfico pequeñas.