近日，信息学院贾同教授团队在目标检测领域取得重要进展，其研究成果《CSPCL: Category Semantic Prior Contrastive Learning for Deformable DETR-Based Prohibited Item Detectors》被人工智能领域顶级国际学术会议NeurIPS 2025（The Thirty-Ninth Annual Conference on Neural Information Processing Systems）录用。论文第一作者为信息学院23级博士生李明远，通讯作者为贾同，共同作者包括王昊、马博文、郭世毅、陈东岳等。
由于X射线图像的前景—背景特征高度耦合，面向X射线图像的抗重叠目标检测是计算机视觉领域的前沿技术之一，广泛应用于智慧安防、数字医疗、工业智能等领域。为此，论文创新性地提出了一种基于类别语义知识的对比学习（CSPCL）方法，建立了分类器原型特征与解码器查询向量间的优化机制，设计了类别语义损失函数（CSP loss），在保持类内查询多样性的同时，有效区分类间查询特征，在多类别多样本对比学习任务中优于现有损失函数。该方法可无缝嵌入Deformable DETR 多种检测器（如DINO、AO-DETR、RT-DETR），在不提升模型推理复杂度的前提下，有效提升模型抗重叠检测能力。在PIXray、OPIXray、PIDray和CLCXray四个数据集上进行的大量实验表明，CSPCL能够显著提高目标检测领域中多种SOTA模型的性能，展现了强大的通用性和有效性。
据悉，NeurIPS 是国际人工智能领域顶级会议（CCF A类），在人工智能领域享有盛誉。该会议聚焦机器学习、深度学习、计算机视觉、自然语言处理等方向，代表着人工智能领域的最高学术水平。该研究成果的取得标志着学院在人工智能领域取得较大进展，研究水平和能力获得了国内外同行的广泛认可，有效提升了学校在相关领域的学术影响力，为学校学者与国际顶尖学者的交流互动奠定了良好基础。