针对交通标志识别模型在检测速度和识别精度上的不平衡性，以及检测阻塞目标和小目标的困难性，通过对YOLOv5模型的改进，提出了一种基于协调注意（CA）的轻量级交通标志识别模型。首先，将协调注意机制集成到骨干网中，有效捕获位置信息与信道之间的关系，从而更准确地获取感兴趣区域，避免过多的计算开销。然后，在特征融合网络中加入跨层连接，在不增加成本的情况下融合更多的特征信息，提高网络的特征提取能力，提高遮挡目标的检测效果。最后，引入改进的CIoU函数计算回归损失，缓解了检测过程中样本量分布的不均匀性，进一步提高了小目标的识别精度。在TT100K数据集上使用该模型，识别准确率达到91.5%，召回率为86.64%，分别比传统的YOLO-v5n模型提高了20.96%和11.62%，帧处理率达到140.84fps。因此，实验结果充分验证了本文提出的交通标志检测与识别模型在真实场景中的准确性和实时性。