La detección de señales de tráfico es una tarea importante en los sistemas de reconocimiento de señales de tráfico. Las señales de tráfico chinas tienen características únicas en comparación con las señales de tráfico de otros países. Las redes neuronales convolucionales (CNN) han logrado un avance en tareas de visión por computadora y han tenido un gran éxito en la clasificación de señales de tráfico. En este documento, presentamos un algoritmo de detección de señales de tráfico chinas basado en una red convolucional profunda. Para lograr la detección en tiempo real de señales de tráfico chinas, proponemos una red convolucional de extremo a extremo inspirada en YOLOv2. Teniendo en cuenta las características de las señales de tráfico, tomamos las múltiples capas convolucionales de 1 x 1 en capas intermedias de la red y disminuimos las capas convolucionales en las capas superiores para reducir la complejidad computacional. Para detectar eficazmente las señales de tráfico pequeñas, dividimos las imágenes de entrada en cuadrículas densas para obtener mapas de características más finos. Además, ampliamos el conjunto de datos de señales de tráfico chinas (CTSD) y mejoramos la información de marcadores, que está disponible en línea. Todos los resultados experimentales evaluados según nuestro CTSD ampliado y el German Traffic Sign Detection Benchmark (GTSDB) indican que el método propuesto es más rápido y robusto. La velocidad de detección más rápida lograda fue de 0.017 s por imagen.