License

This project is based on the YOLOv10 repository by Ultralytics.

YOLOv10 is licensed under the AGPL-3.0 License.

All modifications and derived works in this repository therefore also comply with the AGPL-3.0 license.

Car Detection using YOLOv10

This project is a custom implementation based on the official YOLOv10 repository. The goal is to train and evaluate a car detection model on a custom dataset.

Original YOLOv10 repository: https://github.com/THU-MIG/yolov10

🚗 YOLOv10 Car Detection Project

Dự án này sử dụng YOLOv10 (Ultralytics) để huấn luyện và kiểm thử mô hình phát hiện xe (car detection) trên ảnh và video.

---

📌 1. Giới thiệu

• Framework: Ultralytics YOLOv10
• Ngôn ngữ: Python
• Môi trường: Miniconda (conda env)
• Bài toán: Object Detection – 1 class (car)

Dự án bao gồm:

• Train model với dataset tự chuẩn YOLO format
• Predict trên ảnh / thư mục ảnh / video
• Xuất kết quả bounding box

---

📂 2. Cấu trúc thư mục

yolov10_test/
│
├── train.py                 # Script train model
├── output.py                # Script predict (ảnh / video)
│
├── yolov10/
│   └── yolo_data/
│       ├── train/
│       │   ├── images/
│       │   └── labels/
│       ├── val/
│       │   ├── images/
│       │   └── labels/
│       └── data.yml
│
├── runs/                     # YOLO tự sinh (weights, output)
├── datasets/                 # Ultralytics cache
└── README.md

---

🧱 3. Cài đặt Miniconda (BẮT BUỘC)

🔹 Bước 1: Tải Miniconda

• Truy cập: https://docs.conda.io/en/latest/miniconda.html

• Tải bản:

  • Windows 64-bit
  • Python 3.9 hoặc 3.10

🔹 Bước 2: Cài đặt

• Double click file .exe

• Chọn:

  • ✔ Just Me
  • ✔ Add Miniconda to PATH (nếu có)

• Next → Install

🔹 Bước 3: Kiểm tra cài đặt

Mở Anaconda Prompt hoặc PowerShell:

conda --version

---

🧪 4. Tạo môi trường cho project

conda create -n object_detection python=3.10 -y
conda activate object_detection

---

📦 5. Cài đặt thư viện cần thiết

pip install --upgrade pip
pip install ultralytics opencv-python matplotlib

Kiểm tra:

yolo version

---

🗂 6. Chuẩn bị Dataset

🔹 Format YOLO

image.jpg
label.txt

label.txt:

<class_id> <x_center> <y_center> <width> <height>

🔹 File data.yml

path: yolov10/yolo_data
train: train/images
val: val/images

nc: 1
names:
  - car

⚠️ Không dùng đường dẫn tuyệt đối

---

🚀 7. Train model

Chạy trong thư mục gốc project:

python train.py

Ví dụ train.py:

from ultralytics import YOLO

model = YOLO("yolov10n.pt")

model.train(
    data="yolov10/yolo_data/data.yml",
    epochs=50,
    imgsz=640,
    batch=8
)

📁 Model sau khi train nằm tại:

runs/detect/train*/weights/best.pt

---

🖼 8. Test trên ẢNH

from ultralytics import YOLO

model = YOLO("runs/detect/train10/weights/best.pt")

model.predict(
    source="yolov10/yolo_data/val/images",
    save=True,
    conf=0.25
)

📁 Output:

runs/detect/predict/

---

🎥 9. Test trên VIDEO

model.predict(
    source="test_videos/test.mp4",
    save=True,
    conf=0.25
)

❗ Video .avi không xem được?

👉 Dùng VLC hoặc convert:

ffmpeg -i output.avi output.mp4

---

🛠 10. Lỗi thường gặp

❌ ModuleNotFoundError: ultralytics

pip install ultralytics

❌ Dataset not found

• Kiểm tra data.yml
• Không dùng đường dẫn tuyệt đối

---

📌 11. Ghi chú

• Project được sử dụng dựa trên source của yolov10 !!!

---