Un sistema de conducción autónoma basado en visión puede fusionar información sobre la detección de objetos y la predicción del ángulo de dirección para una conducción segura a través del reconocimiento en tiempo real del entorno alrededor del automóvil. Si un sistema de conducción autónoma no puede responder rápidamente al control de conducción de manera apropiada, causará problemas de alto riesgo con respecto a accidentes de automóvil graves por la conducción autónoma. Por lo tanto, este estudio introdujo GhostConv al modelo YOLOv4-tiny para una detección rápida de objetos, denominado LW-YOLOv4-tiny, y al modelo ResNet18 para una predicción rápida del ángulo de dirección, LW-ResNet18. Según los resultados, LW-YOLOv4-tiny puede lograr la mayor velocidad de ejecución por cuadros por segundo, 56.1, y LW-ResNet18 puede obtener la menor pérdida de predicción por error cuadrático medio, 0.0683. En comparación con otras integraciones, el enfoque propuesto puede lograr el mejor indicador de rendimiento, 2.4658, mostrando la respuesta más rápida al control de conducción en la conducción autónoma.