各位大神好!小弟我想使用C#透過yoloWrapper對MP4影片檔進行影像識別，目前如果順序逐一影格辨識是可運行的，但速度實在慢的感人!

所以想透過C#中Parallel.ForEach進行平行化處理，看是否可以再榨取一些速度。可惜幻想很美好，現實卻很骨感!! 採行這樣的方式，程式直接無預警結束，沒有丟出任何訊息。

在此用一個小測試畫面簡化說明問題，下面為該畫面類別我會使用的變數、結構

public partial class XForm : Form
    {
        const string CONFIG   = @".\cfg\CFG20221109.cfg";
        const string WEIGHTS  = @".\weights\WEIGHTS20221109.weights";
        const string NAMES    = @".\data\NAMES20221109.names";
        const String FILENAME = @"D:\1.mp4";
        //每一幀所含的矩陣資料與編號
        private struct Framecontainer
        {
           public Mat Image;
           public int FrameId;
        }

        //每一幀所含的檢測框
        private struct FrameResultContainer
        {
           public int FrameId;
           public List<BboxResultContainer>
                  BboxResults;
        }

        //每一檢測框的資訊
        private struct BboxResultContainer
        {
            public int    classId;
            public string Name;
            public float  Confidence;
            public Rect   RectBox;
        }
        private FrameResultContainer[] myFrameResults 
                = new FrameResultContainer[10];
        private YoloWrapper.YoloWrapper myAIModel;
        private Dictionary<int, string>
                myNamesDic = new Dictionary<int, string>();
        private int    myClassNum;

在畫面初始化時，透過YoloWrapper封裝啟動DarkNet的Yolo Model

   public XForm()
    {
        InitializeComponent();

        //啟動yolo
        this.myAIModel = new YoloWrapper.YoloWrapper
            (CONFIG, WEIGHTS, 0);

        //寫入名稱檔
        var lines = File.ReadAllLines(NAMES);
        this.myClassNum = lines.Length;
        for (var i = 0; i < lines.Length; i++)
            this.myNamesDic.Add(i, lines[i]);

        toolStripStatusLabel1.Text = "啟動";

    }

Detact這個Method主要在進行每一幀影格的辨識與後面的NMS處理

    private FrameResultContainer Detact(Mat image, int currentframe)
    {
           
            FrameResultContainer frameresult
                                 = new FrameResultContainer();
            frameresult.FrameId = currentframe;

            #region 影像識別處理
            //影像格式轉換Mat->Bytes
            int totalsize = image.Height *
                           image.Width *
                           image.Channels();

            var bytes = new byte[totalsize];
            BoundingBox[] bboxes;
            try
            {

                //將影像資料轉為位元組陣列，再傳入Darknet核心進行識別
                Marshal.Copy(image.Data, bytes, 0, bytes.Length);

                bboxes = this.myAIModel.Detect(image.Width, 
                                             image.Height,bytes);
            }
            catch(Exception err)
            {
                throw;
            }
            
            #endregion

            #region 影像識別後處理
            if (bboxes.Length == 0)  //該幀如果沒有檢測結果直接回傳
                return frameresult;
            List<int> classids = new List<int>();
            List<float> confidences
                                 = new List<float>();
            List<string> names = new List<string>();
            List<Rect> rectboxes = new List<Rect>();

            //逐一讀取檢測框資訊
            foreach (BoundingBox bbox in bboxes)
            {
                if (bbox.h == 0) break; //沒資料跳出

                int classid = (int)bbox.track_id;
                float confidence
                             = bbox.prob;
                Rect rectbox = new Rect((int)bbox.x, (int)bbox.y,
                                        (int)bbox.w, (int)bbox.h);
                string name = myNamesDic[(int)bbox.obj_id];

                classids.Add(classid);
                confidences.Add(confidence);
                names.Add(name);
                rectboxes.Add(rectbox);
            }

            CvDnn.NMSBoxes(rectboxes, confidences,
                              0.9f, 0.3f, out int[] indences);//NMS演算


            //後處理完成之顯示框儲存
            frameresult.BboxResults
                    = new List<BboxResultContainer>();
            foreach (int i in indences)
            {
                BboxResultContainer bboxresult
                      = new BboxResultContainer();

                bboxresult.classId = classids[i];
                bboxresult.Name = names[i];
                bboxresult.Confidence = confidences[i];
                bboxresult.RectBox = rectboxes[i];

                frameresult.BboxResults.Add(bboxresult);
            }
            #endregion

            return frameresult;
     }

button1_Click順序化讀取影格進行辨識，以下測試程式碼僅採用10幀影格就花了1631ms(在實際程式中讀取分析10秒的影片，最快近一分鐘了，還不如我人眼自己看....)

 private void button1_Click(object sender, EventArgs e)
  {
            //媒體捕獲器連結資料
            VideoCapture ObjCap = new VideoCapture();
            ObjCap.Open(FILENAME);

            Mat image = new Mat();
            int i = 0;

            var mySW = new Stopwatch();
            mySW.Start();
            while (true)
            {
               
                ObjCap.Read(image);

                //讀檔10幀影格完畢跳出
                if (i==10)
                    break;
                //逐幀檢測並回傳結果
                this.myFrameResults[i]= this.Detact(image,i);
                
                ++i;
                }
            mySW.Stop();
            toolStripStatusLabel1.Text = $"執行完成 in " +
                  $"{mySW.Elapsed.TotalMilliseconds:0}ms";

        }

所以試試看若採行Parallel.ForEach進行平行化處理，看是否能使執行速度再加快

 private void button2_Click(object sender, EventArgs e)
        {
            //媒體捕獲器連結資料
            VideoCapture ObjCap = new VideoCapture();
            ObjCap.Open(FILENAME);

            Mat image = new Mat();
            Framecontainer imgcontainer  
                      = new Framecontainer();
            List<Framecontainer> images 
                      = new List<Framecontainer>();
            int i = 0;
           
            while (true)
            {
                    ObjCap.Read(image);

                    //讀檔完畢跳出
                    if (images.Count==10)
                        break;

                    imgcontainer.Image = image.Clone();
                    imgcontainer.FrameId = i;
                    images.Add(imgcontainer);
                    i++;
            }

            try
            {
                var parallelExceptions = new ConcurrentQueue<Exception>();
                Parallel.ForEach<Framecontainer>(images,(img) =>
                {
                    try
                    {
                         //幀檢測並回傳結果 
                         this.myFrameResults[img.FrameId] 
                          = this.Detact(img.Image, img.FrameId);
                               
                    }  
                    catch (AggregateException e)
                    {
                          parallelExceptions.Enqueue(e);
                    }
                    if (parallelExceptions.Count > 0)
                         throw new AggregateException(parallelExceptions);
                });
                }
            catch (AggregateException err)
            {
                foreach (Exception item in err.InnerExceptions)
                {
                    Debug.WriteLine("異常型別:{0}{1}來自:" +
                    "{2}{3}異常內容:{4}", item.InnerException.GetType(),
                    Environment.NewLine, item.InnerException.Source,
                    Environment.NewLine, item.InnerException.Message);
                }
            }      
            images.Clear();
            
        }

設了一堆try-catch程式就是因為本人完全掌握不住狀況，但是程式還就是悄悄結束，捕獲不到任何異常訊息......

若是設中斷點逐一執行Debug，會發現執行時會不定時出現這個情況

這是甚麼原因呢? 是否有解決的方案呢? 感謝各位幫我解惑⋯⋯