如何在mobilenet等图像分类模型中确定未知类别？

在mobilenet等图像分类模型中确定未知类别的方法有以下几种：

1. 迁移学习（Transfer Learning）：通过使用已经训练好的模型，将其作为基础模型，然后在新的未知类别上进行微调。这种方法可以利用基础模型已经学习到的特征，快速适应新的未知类别。在腾讯云上，可以使用腾讯云AI开放平台的图像识别API进行迁移学习，链接地址：https://cloud.tencent.com/product/ai
2. 异常检测（Outlier Detection）：通过对未知类别的样本进行异常检测，判断其是否与已知类别有明显的差异。常用的异常检测算法包括基于统计的方法、基于聚类的方法、基于深度学习的方法等。腾讯云提供了异常检测的解决方案，可以使用腾讯云智能图像分析服务进行异常检测，链接地址：https://cloud.tencent.com/product/tia
3. 半监督学习（Semi-Supervised Learning）：通过利用少量已知类别的样本和大量未标记的样本进行训练，从而实现对未知类别的分类。这种方法可以在数据集较小或者标记成本较高的情况下，提供一种有效的解决方案。腾讯云提供了自动标注的服务，可以使用腾讯云智能图像分析服务进行半监督学习，链接地址：https://cloud.tencent.com/product/tia
4. 主动学习（Active Learning）：通过选择最具有代表性的未知类别样本进行标记，然后将其加入到训练集中，从而提高模型对未知类别的分类能力。这种方法可以在标记样本数量有限的情况下，提高模型的性能。腾讯云提供了自动标注的服务，可以使用腾讯云智能图像分析服务进行主动学习，链接地址：https://cloud.tencent.com/product/tia

需要注意的是，以上方法都需要根据具体的场景和需求进行选择和调整，没有一种通用的方法适用于所有情况。同时，对于未知类别的确定也需要结合实际情况进行综合判断，可以通过人工审核、用户反馈等方式进行验证和修正。