Phát hiện, nhận diện biển báo và tín hiệu đèn giao thông là một phần quan trọng của xe tự hành nhằm tăng cường sự an toàn khi tham gia giao thông. Trong bài báo này, nhóm nghiên cứu sử dụng mô hình YOLOv4, một trong những kiến trúc phổ biến của học sâu để phát hiện, nhận diện biển báo và các tín hiệu đèn giao thông. Một cách tổng quát, mô hình YOLOv4 có nhiều phiên bản với kiến trúc và tham số khác nhau, nhóm nghiên cứu tập trung vào việc so sánh và đánh giá để lựa chọn phiên bản phù hợp với bộ dữ liệu. Ngoài ra, card đồ họa tích hợp (GPU) trong Jetson TX2 của NVIDIA được sử dụng làm nền tảng phần cứng với khả năng tối ưu thời gian huấn luyện. Trong đó, dữ liệu sử dụng được tạo độc lập bao gồm 32 lớp để huấn luyện và kiểm tra. Phương pháp sử dụng đã đạt được chỉ số 91% mAP và 31,2 FPS trên tập dữ liệu kiểm traTraffic signs and traffic lights detection is an important aspects of autonomous vehicles to prevent and reduce accidents. In this paper, the YOLOv4 model, one of the popular architectures of deep learning used to detect and recognize traffic signs and traffic lights has been implemented on NVIDIA Jetson TX2 hardware. In general, the YOLOv4 model has many variants with different structures and parameters, the author focuses on comparison and evaluation to select the right variant for the data set. Specifically, the author chooses NVIDIA's Jetson TX2 as a hardware platform to take advantage of the GPU's computing power to optimize data training time. In particular, the usage data is generated independently including 32 classes for training and testing. The method used achieved 91% mAP and 31.2 FPS on the test dataset.