交通标志检测是从图像或视频中识别出交通标志的位置、类别，以便为驾驶员提供及时和准确的信息，在对道路情况进行预警、保护驾驶者安全方面具有现实意义。针对现有交通标志检测算法中的较大计算量和较高参数量的问题，本文提出一种改进YOLOv7 的轻量化交通标志检测算法。该算法分为输入、提取特征的骨干网络、融合特征的颈部网络和对目标进行预测的头部网络四个部分。本文在骨干网络引入大核卷积，增大了有效感受野，提升了骨干网络提取特征的能力；本文在检测颈部融合坐标注意力、随机池化等方法，既能构建通道注意力又能捕捉准确位置的同时提升网络的泛化能力；此外，本文提出集中综合深度可分离卷积模块，在减少参数量的同时更好的提取图像特征。实验结果表明，本文算法在CCTSDB2021 数据集上的检测精度达到了93.13%，mAP 也达到了87.59%，相较于同类型的方法有了较大的提高，该网络在较低的参数量和计算量的情况下实现了较高的精确率，不仅能够精准地捕捉交通标志的位置信息，同时能够准确地对交通标志进行预测。