En el ámbito de la detección de señales de tráfico, surgen desafíos debido al pequeño tamaño de los objetos, escenas complejas, escalas variables de las señales y objetos dispersos. Para abordar estos problemas, este documento propone un algoritmo de detección de objetos pequeños, YOLOv8s-DDA, para señales de tráfico basado en un YOLOv8s mejorado. Específicamente, se introduce el módulo C2f-DWR-DRB, que utiliza un método eficiente de dos pasos para capturar información contextual a múltiples escalas y emplea un bloque de reparametrización dilatado para mejorar la calidad de extracción de características manteniendo la eficiencia computacional. La red de cuello se mejora al incorporar ideas de ASF-YOLO, lo que permite la fusión de características de objetos a múltiples escalas y aumenta significativamente las capacidades de detección de objetos pequeños. Finalmente, el IoU original se reemplaza por Wise-IoU para mejorar aún más la precisión de detección. En el conjunto de datos TT100K, el algoritmo YOLOv8s-DDA logra un mAP@0.5 de 87.2%, mAP@0.5:0.95 de 68.3%, precisión del 85.2% y recall del 80.0%, con una reducción del 5.4% en el recuento de parámetros. La efectividad de este algoritmo también se valida en el conjunto de datos de detección de señales de tráfico chinas disponibles públicamente, CCTSDB2021.