据我所知，神经网络在分类“未知项”方面表现不佳，即那些不属于已学习类别的项目。但是，人脸检测/识别方法通常是如何判断某个区域未检测到/识别到人脸的呢？预测的概率是否通过某种阈值来判定？

回答：

总结

确实，神经网络天生不擅长分类“未知项”，因为它们倾向于过拟合到它们所训练的数据上，如果神经网络的底层结构足够复杂的话。然而，有多种方法可以减少过拟合的影响。例如，一种用于此目的的技术称为丢弃法。另一个例子可以是批量归一化。尽管有这些技术，减少过拟合影响的最佳方法是使用更多数据。

对于您上面提到的面部识别例子，通常训练过的模型已经“见过”大量数据。这意味着“未知项”非常少，即使有，神经网络也已经学会了如何判断是否存在面部特征。这是因为某些神经网络结构非常擅长判断输入数据中是否存在特征模式。这有助于神经网络学习输入的图像是否包含某些特征/模式。如果发现这些特征，则输入数据被分类为人脸，否则不是。