这个问题是一个很常见的问题。如何处理样本属于数据集中未包含的类别。没有最佳的方法来处理这个问题：

创建一个单独的类是可能的，但不推荐。首先，你需要从图像开始，其次这个类在类中会有很大的变化，这是一个不利的特性，这使得设计一个强大的分类器来处理其他类更具挑战性，并且通常会导致一个低质量的分类器。

我更喜欢通过衡量信心来处理这个问题。如果您预计会有异常/异常值，请确保使用同时提供预测和概率（置信度）的分类器。

CNN 已经足够好了，只有当置信度高于某个阈值，或者最高置信度（标签）与下一个置信度（标签）之间的差值高于某个阈值时，您才能接受预测。大多数基于概率的分类都可以为您提供置信度值。

可以更改其他一些分类器以赋予置信度，例如，您可以分析用于为决策树中的休假提供标签的训练数据，可以将属于同一休假的这些样本聚类以获得一些质心。在预测中，您可以预测标签并测量目标（测试样本）与属于同一叶的每个质心之间的最短距离，该最短距离可以用作置信度的度量，并且可以与接受/拒绝预测的阈值。

请注意，这个问题仍在研究中，没有明确的答案。它需要对每个分类器进行非常深入的了解才能对其进行修改/或添加以测量置信度并了解该测量的含义