我修改了一下推理逻辑，遇到一些问题

[extreme99520-l]

我要想实现的是如果输入源是视频流，则获取到的每一帧先分割成小图片，然后小图片再送入batch进行推理，并返回推理的类别 我修改了task的返回值为类型，返回一个存储类别的列表 我遇到的问题是：

• 输入的视频大小为1280:720，如果设置16:9的比例刚好，但是换成其他比例会直接报Segmentation fault (core dumped)，resize和padding也无法解决，1:1也是可以完成正常推理的
• 在16:9的设置下可以正常推理一部分，仍然还是会报错Segmentation fault (core dumped)

int rows = 16; int cols = 9;

while (capture.isOpened()) { if (batchi >= total_batches && source != utils::InputStream::CAMERA) { break; }

// 如果输入源是视频流或摄像头
if (source != utils::InputStream::IMAGE) {
    capture.read(frame);
    if (frame.empty()) {
        sample::gLogWarning << "no more video or camera frame" << std::endl;
        break;
    }

    // 计算新的宽度和高度
    int newWidth = ((frame.cols / cols) * cols);
    if (newWidth < frame.cols)
        newWidth += cols;

    int newHeight = ((frame.rows / rows) * rows); 
    if (newHeight < frame.rows)
        newHeight += rows;

    // 调整图像大小
    cv::resize(frame, frame, cv::Size(newWidth, newHeight));
    int width = newWidth / cols;
    int height = newHeight / rows;
    for (int i = 0; i < rows; ++i) {
        for (int j = 0; j < cols; ++j) {
            cv::Rect roi(j * width, i * height, width, height);
            subFrames.push_back(frame(roi).clone());
        }
    }

    // 将子图片逐个加入到imgs_batch中
    for (auto& subFrame : subFrames) {
        if (imgs_batch.size() < param.batch_size) {
            imgs_batch.emplace_back(subFrame);
        } else {
            // 如果达到批次大小，执行推理并清空批次
            auto predictions = task(yolo, param, imgs_batch, delay_time, batchi, is_show, is_save);
            imgs_batch.clear();
            batchi++;

            // Print the predictions
            for (size_t bi = 0; bi < predictions.size(); bi++) {
                int classId = predictions[bi].first;
                std::cout << "Image " << bi << ": Predicted Class ID: " << classId << std::endl;
            }
        }
    }
} else { // 如果输入源是单张图片
    frame = cv::imread(image_path);
    if (!frame.empty()) {
        imgs_batch.emplace_back(frame);
        if (imgs_batch.size() == param.batch_size) {
            auto predictions = task(yolo, param, imgs_batch, delay_time, batchi, is_show, is_save);
            imgs_batch.clear();
            batchi++;

            // Print the predictions
            for (size_t bi = 0; bi < predictions.size(); bi++) {
                int classId = predictions[bi].first;
                std::cout << "Image " << bi << ": Predicted Class ID: " << classId << std::endl;
            }
        }
    }
}

// 如果imgs_batch未满但所有子图片已添加完毕
if (source != utils::InputStream::IMAGE && !subFrames.empty() && imgs_batch.size() > 0) {
    auto predictions = task(yolo, param, imgs_batch, delay_time, batchi, is_show, is_save);
    imgs_batch.clear();
    batchi++;

    // Print the predictions
    for (size_t bi = 0; bi < predictions.size(); bi++) {
        int classId = predictions[bi].first;
        std::cout << "Image " << bi << ": Predicted Class ID: " << classId << std::endl;
    }
}

}