特定の画像ファイル名​の表示、分類されたイ​メージ表示の方法

初歩的な質問ですみません、質問が2つあります。現在、目の画像で病気別の多クラス分類を行っています。

①https://jp.mathworks.com/help/deeplearning/ug/train-deep-learning-network-to-classify-new-images.htmlを参考に、テスト用画像のラベル予測と[ ]に正解(その画像が持つ)ラベル、予測確立を表示させています(下図)。

figure;
for i = 1:6
    subplot(2,3,i)
    I = readimage(imds,perm(i));
    imshow(I)
    label = testcted_labels(perm(i));
    title(string(label) + "[ " +string(imds.Labels(perm(i))) + "]" + "," + "確率予測" + num2str(100*max(posterior(perm(i),:)),3) + "%")
end

Unrecognized function or variable 'imds'.

ここに、画像自体のファイル名（例：001.jpg）を画像下に追加するにはどうすればよいでしょうか。

②学習を行い、分類されたテスト用画像で混同行列をプロットしています。

figure;
    plotconfusion(imds.Labels,testcted_labels');
    title('Confusion:Testdata');

この場合、どの画像が何に分類されたのかを確認したいので、分類された中身の画像を表示するコード方法がありましたらお教えください。

*追記

全体のソースコードを記載しておきます。

https://blogs.mathworks.com/deep-learning/2020/03/18/deep-learning-for-medical-imaging-covid-19-detection/?from=jp&doing_wp_cron=1639820281.8626179695129394531250

を参考に5分割交差検証を行っています。

5分割されたデータセットのうち、３分割を学習用、1分割を検証用、1分割をテスト用としています。

テスト用データの評価は、①のラベル予測などを参考にしています。よろしくお願いいたします。

    %% フォルダパスの指定
    
    % test画像が保存されるフォルダパスの指定
    trainDatasetPath = fullfile('fvggs');
    % ラベル付与と画像データの格納
    imds = imageDatastore(trainDatasetPath, ...
    'IncludeSubfolders',true,'LabelSource','foldernames');

    % 分類を確認
    total_split=countEachLabel(imds);
    % 画像の長さ
    num_images=length(imds.Labels);
    
    % 画像の表示
    perm=randperm(num_images,6);
    figure;
    for idx=1:length(perm)
        
    subplot(2,3,idx);
    imshow(imread(imds.Files{perm(idx)}));
    title(sprintf('%s',imds.Labels(perm(idx))))
    end
    
    %% k-分割交差検証
    % Number of folds
        num_folds=5;

% Loop for each fold
    for fold_idx=1:num_folds
%% 
    
   fprintf('Processing %d among %d folds \n',fold_idx,num_folds);
   
    % Validation Indices for current fold
    val_idx=fold_idx:num_folds :num_images;
    % Validation cases for current fold
    imdsValidation = subset(imds,val_idx);
  
    % Test Indices for current fold
    test_idx=fold_idx+1:num_folds :num_images;
    % Test cases for current fold
    imdsTest = subset(imds,test_idx);

    % Train indices for current fold
    Atrain_idx=setdiff(1:length(imds.Files),val_idx);
    train_idx = setdiff(Atrain_idx,test_idx);
    % Train cases for current fold
    imdsTrain = subset(imds,train_idx);
    
    %% ネットワークの呼び出し
 
    % ResNet Architecture 
    net=vgg16;
    
    % 最終層の変更
    if isa(net,'SeriesNetwork') 
        lgraph = layerGraph(net.Layers); 
    else
        lgraph = layerGraph(net);
    end 
    inputSize = net.Layers(1).InputSize;
    classes = net.Layers(end).Classes;
    %{
    clear net;
    %}
    %% 変更層の検索
    
    [learnableLayer,classLayer] = findLayersToReplace(lgraph);
    [learnableLayer,classLayer];
    
    %% 全結合層の変更
    
    
    % Number of categories
    numClasses = numel(categories(imdsTrain.Labels));

    if isa(learnableLayer,'nnet.cnn.layer.FullyConnectedLayer')
    newLearnableLayer = fullyConnectedLayer(numClasses, ...
        'Name','new_fc', ...
        'WeightLearnRateFactor',10, ...
        'BiasLearnRateFactor',10);
    
    elseif isa(learnableLayer,'nnet.cnn.layer.Convolution2DLayer')
    newLearnableLayer = convolution2dLayer(1,numClasses, ...
        'Name','new_conv', ...
        'WeightLearnRateFactor',10, ...
        'BiasLearnRateFactor',10);
    end

    lgraph = replaceLayer(lgraph,learnableLayer.Name,newLearnableLayer);

    newClassLayer = classificationLayer('Name','new_classoutput');
    lgraph = replaceLayer(lgraph,classLayer.Name,newClassLayer);

    % 初期層の凍結

    layers = lgraph.Layers;
    connections = lgraph.Connections;
    layers(1:10) = freezeWeights(layers(1:10));
    lgraph = createLgraphUsingConnections(layers,connections);

    
    pixelRange = [-30 30];
    scaleRange = [0.9 1.1];
    imageAugmenter = imageDataAugmenter( ...
    'RandXReflection',true, ...
    'RandXTranslation',pixelRange, ...
    'RandYTranslation',pixelRange, ...
    'RandXScale',scaleRange, ...
    'RandYScale',scaleRange);

    augimds = augmentedImageDatastore(inputSize(1:2),imdsTrain, ...
    'DataAugmentation',imageAugmenter);
    augvalimds = augmentedImageDatastore(inputSize(1:2),imdsValidation);
    augtestimds = augmentedImageDatastore(inputSize(1:2),imdsTest);
   
    %%  ネットワークの設定
    options = trainingOptions('adam',...
        'MaxEpochs',60,'MiniBatchSize',128,...
        'Shuffle','every-epoch', ...
        'InitialLearnRate',1e-4, ...
        'ValidationData',augvalimds, ...
        'ValidationFrequency',10, ...
        'Verbose',false, ...
        'Plots','training-progress');
    
   
    % 学習
    netTransfer = trainNetwork(augimds,lgraph,options);
    %% 
     
     
    % 各ケースのテストとそれに対応するラベル及び％
   
    [testcted_labels(test_idx),testerior(test_idx,:)] = classify(netTransfer,augtestimds);
    [predicted_labels(val_idx),posterior(val_idx,:)] = classify(netTransfer,augvalimds);
    
    
    
    % フォールドごとに取得した独立したvgg16アーキテクチャを保存
    save(sprintf('vgg16_%d_among_%d_folds',fold_idx,num_folds),'netTransfer','val_idx','train_idx','test_idx');
    
    % 不要な変数のクリア
   
    clearvars -except fold_idx num_folds num_images predicted_labels posterior testcted_labels testerior imds netTransfer;
    
end
%% Validationデータとの予測結果
    % 実際のラベル  
    actual_labels=imds.Labels;
   
    % 混合行列　
    figure
    plotconfusion(actual_labels,predicted_labels');
    title('Confusion:Validationdata');

%%  Testデータとの予測結果
   
    
    num_images=length(imds.Labels);
    perm=randperm(num_images,10);
    
    %テストイメージでの混合行列

    
    figure;
    plotconfusion(imds.Labels,testcted_labels');
    title('Confusion:Testdata');
    
    % テストイメージの予測    
    figure;
    for i = 1:6
        subplot(2,3,i)
        I = readimage(imds,perm(i));
        imshow(I)
        label = testcted_labels(perm(i));
        title(string(label)  + " [" +string(imds.Labels(perm(i))) + "]" + " , " + " 予測確率" + num2str(100*max(posterior(perm(i),:)),3) +"%")
    end
    
%% ROC曲線

    test_labels=double(nominal(imds.Labels));

    [fp_rate,tp_rate,T,AUC]=perfcurve(test_labels,posterior(:,1),1);


    figure;
    plot(fp_rate,tp_rate,'b-');
    grid on;
    xlabel('偽陽性率');
    ylabel('真陽出率');
    % AUCの下の面積
    AUC
    
  

Answer 1

[Atsushi Ueno]

How to access image name in imageDatastore? - (mathworks.com)

①画像自体のファイル名（例：001.jpg）を画像下に追加するにはどうすればよいでしょうか

画像ファイル名(フルパス)はセル配列としてイメージデータストア内(imds.Files)に格納されています。fileparts関数でパス・ファイル名・拡張子を分離します。画像の下にテキストを表示する為xlabel関数を用いました。表示位置や表示形式に拘るならばtext関数の方が適すると思います。

folder_name = pwd;
imds = imageDatastore(folder_name);
for i = 1:2
    [folder, FileName, ext] = fileparts(imds.Files{i}); % imds.Filesで抽出、fileparts関数でファイル名を分離
    subplot(1,2,i); imshow(readimage(imds,i));
    xlabel([FileName, ext],'Interpreter','none'); % ファイル名を表示、オプションはLateX形式表示をキャンセルする為
end

[Atsushi Ueno]

動作確認していませんが、下記2行の追加で表示されると思います。

figure;
for i = 1:6
    subplot(2,3,i)
    I = readimage(imds,perm(i));
    imshow(I)
    label = testcted_labels(perm(i));
    title(string(label) + "[ " +string(imds.Labels(perm(i))) + "]" + "," + "確率予測" + num2str(100*max(posterior(perm(i),:)),3) + "%")
    [folder, FileName, ext] = fileparts(imds.Files{perm(i)}); % 追加
    xlabel([FileName, ext]); % 追加
end

[Kohei]

コメントありがとうございます。追加したコードで無事に画像ファイル名を表示することができました。

②につながる質問なのですが、①は全テスト用画像1470枚のうち、ランダムに６枚を表示していました。

全テスト画像をこの６枚の表示のように、1つのウインドウでなくてもよいので、どう分類されているのか表示する、もしくは特定のラベル(例：Fineと正しく分類された)画像を表示するには

上記figureを元に、どう変更すればよいのか教えていただけると幸いです。