本发明公开了一种提升极端天气与环境下交通标志识别精度的方法，以YoloV5目标检测模型为基础，融入聚焦模块、跨阶段局部融合模块和空间金字塔池化结构，对于光线不好的交通标志图像，能够更好地从局部特征来提取特征图信息，特征图更精准地表达了图像。对于数量不多的训练数据，本发明使用高斯噪声、添加椒盐噪声、减少亮度、锐化图像、尺寸大小等比例缩小来模拟交通标志在不同环境下的表现，并使用复制‑粘贴的方法将交通标志复制到无目标的图片上，极大地丰富了数据集。使用本发明的方法更容易地捕捉不同分辨率下的不同图像模式，能够使得目标的特征得到最大程度的提取和融合；同时使得收敛更快速和准确，有更少的定位错误，产生更精确的预测。