El reconocimiento de señales de tráfico es una tecnología fundamental en el avance de los vehículos autónomos, ya que es crucial para cumplir con las regulaciones de tráfico específicas de cada país o región. Definido como un problema de clasificación de imágenes en visión por computadora, el reconocimiento de señales de tráfico es una técnica que determina la clase de una señal de tráfico dada a partir de datos de entrada procesados por una red neuronal. Aunque la clasificación de imágenes se ha considerado una tarea relativamente manejable con la llegada de las redes neuronales, la clasificación de señales de tráfico presenta su propio conjunto único de desafíos debido a las características visuales similares inherentes en las señales de tráfico. Esto puede hacer que el diseño de un clasificador basado en softmax sea problemático. Para abordar este desafío, este documento presenta un nuevo modelo de reconocimiento de señales de tráfico que emplea la pérdida de margen angular. Este modelo optimiza los hiperparámetros necesarios para la pérdida de margen angular a través de la optimización bayesiana, maximizando así la efectividad de la pérdida y logrando un alto nivel de rendimiento de clasificación. Este documento muestra el impresionante rendimiento del método propuesto a través de resultados experimentales en conjuntos de datos de referencia para la clasificación de señales de tráfico.