YOLO (You Only Look Once) je rodina jednostupňových architektur pro detekci objektů, jejíž zásadní přínos spočíval v přeformulování úlohy na jedinou regresi řešenou jedním průchodem sítě. Předchozí dvoustupňové přístupy nejprve navrhovaly kandidátní oblasti a poté je jednu po druhé klasifikovaly, což bylo výpočetně náročné. YOLO místo toho rozdělí snímek na mřížku a každá její buňka predikuje současně souřadnice několika ohraničujících rámců, jejich skóre jistoty a rozdělení pravděpodobností tříd. Protože model vidí celý obraz naráz, má k dispozici globální kontext, a produkuje proto méně falešných poplachů na pozadí. Za cenu mírně nižší přesnosti u malých a nahuštěných objektů dosahuje rychlosti umožňující detekci v reálném čase, včetně běhu na vestavěných zařízeních. Vývoj napříč verzemi přinesl kotevní rámce a jejich pozdější opuštění, vícestupňové predikce v různých rozlišeních, lepší augmentace i architektonické úpravy hlav a páteře. Právě díky poměru rychlosti a přesnosti je YOLO nejrozšířenější detektor v průmyslu – od kontroly kvality na výrobní lince po analýzu dopravy a bezpečnostní monitoring.
Starší postupy fungovaly jako člověk, který si vezme lupu a systematicky obchází fotografii výřez po výřezu s otázkou „je tady auto? A tady? A tady?“ Přesné to je, ale trvá to. YOLO se na fotografii podívá jedním pohledem, jako když vejdete do místnosti a rovnou víte, že u okna stojí dva lidé a na stole leží notebook. Nemusíte nic obcházet. Za tu rychlost platíte tím, že si nemusíte všimnout mravence v koutě – ale když máte na rozhodnutí pětadvacetkrát za sekundu, protože sledujete video z kamery, je to rozhodně lepší volba.