本申请提供一种交通标志识别方法、装置及设备。其中，提出了MFEC‑YOLOv7网络，以实现可变尺寸和复杂背景下的交通标志准确识别。通过池化层和群卷积的融合，实现多尺度特征的提取和融合。此外，颈部网络引入了双向特征金字塔的协同工作机制，结合了深层和浅层特征，以增强不同网络层之间特征信息的交换。CA模块同时嵌入骨干网和颈部网，增强了交通标志位置特征信息在复杂环境下的特征提取能力。深度可分离卷积的使用减少了参数量，提高了计算速度。因此，采用该模型可以在保证检测速度的同时，避免多干扰因素下对各种尺度的交通标志的漏检和误检，提高检测精度。