욘로(YOLO, You Only Look Once)는 객체 인식(Object Detection) 분야에서 널리 사용되는 딥러닝 기반의 알고리즘이다. 2016년 Joseph Redmon에 의해 처음 개발되었으며, 실시간으로 이미지를 처리하여 객체를 탐지하는 데 특화되어 있다. 전통적인 객체 탐지 방식과는 달리, 욘로는 이미지를 한 번만 스캔하여 여러 객체를 동시에 인식하고 그들의 위치를 경계 상자(bounding box)로 표시하는 특징이 있다.

욘로는 CNN(Convolutional Neural Network)을 이용하여 이미지를 그리드 형태로 나누고, 각 그리드 셀에 대해 객체 존재 여부와 위치를 예측한다. 이 과정에서 고해상도의 특징을 유지하며 빠른 처리 속도를 자랑한다. 욘로의 발전은 여러 버전을 거치면서 이루어졌으며, YOLOv1, YOLOv2, YOLOv3, YOLOv4, YOLOv5 등으로 이어졌다. 각 버전은 성능 향상 및 다양한 기능 추가를 목표로 하여 개발되었다.

욘로는 자율주행 차량, 감시 카메라, 로봇 비전 등 다양한 분야에서 활용되고 있으며, 실시간 시스템에서의 효율성과 속도 덕분에 특히 인기를 끌고 있다. 또한, 오픈 소스 라이브러리로 제공되어 많은 연구자와 개발자들이 쉽게 접근하고 사용할 수 있는 장점을 가지고 있다.