Python KERA放弃或忽略不确定的预测结果

我已经成功地在Keras建立了一个用于图像分类的多类CNN。我现在准备开始预测，但在测试图像中，有一些图像不属于任何标签，但仍然会被错误地归类为标签之一

这是我的预测函数：

def predict(img):
    x = img.resize((img_width, img_height), Image.ANTIALIAS)
    x = img_to_array(x)
    x = np.expand_dims(x, axis=0)
    array = model.predict(x)
    result = array[0]
    answer = np.argmax(result)
    return answer

---

如果预测结果数组的最大值低于某个值，我想放弃预测结果，但我不确定应该将其设置得多小。

您需要另一个训练数据集来估计最佳阈值。。。或者，您可以为所有这些没有标签的图片额外培训一个新型号。

谢谢您的回复。我可能不会考虑为那些未标记的图像训练一个新模型，因为它们太随机了，我很好奇如何使用另一个训练集来估计阈值，你能提供更多细节吗？把它想象成第二个机器学习问题。。。您在训练集上优化了阈值，以在测试集中获得最佳精度。很抱歉延迟回复，我一定会尝试您的建议。谢谢