Đóng góp chính của bài báo là đưa ra giải pháp cho bài toán phát hiện và phân loại phương tiện giao thông từ tín hiệu hình ảnh, đồng thời đề xuất giải pháp nâng cao hiệu quả cho bài toán. Hướng tiếp cận bài toán dựa trên phương pháp học sâu sử dụng mô hình YOLO, một trong các mô hình điển hình nhất hiện nay với bài toán phát hiện và phân loại đối tượng. Giải pháp đề xuất được nghiên cứu và đánh giá một cách chặt chẽ và cho thấy hiệu quả cải thiện rõ rệt nhờ sử dụng phương pháp tăng dữ liệu. Tăng dữ liệu ngoài giúp việc gia tăng số lượng dữ liệu tránh hiện tượng quá khớp dữ liệu trong học sâu còn đa dạng hóa các trường hợp giúp cho hệ thống khi triển khai có thể thích ứng được với nhiều điều kiện hoạt động khác nhau. Kết quả thực nghiệm cho thấy phương pháp đề xuất có độ chính xác trung bình (mAP) đạt 0,732., Tóm tắt tiếng anh, The main contributions of this paper is to propose a solution solving the task of vehicle detection and classification and to study a data augmentation solution for improving the accuracy of the task. The considered approach is based on deep-learning methods using the YOLO model, one of the most typical models for the task of object detection and classification. The proposed solutions have been studied and evaluated strictly and the experimental results show a significant improvement in the performance. Data augmentation does not only help increasing the number of samples to prevent over-fitting situations but also help implemented systems adapting with different contexts. Experimental results show that the proposed method has the mAP at 0.732.