SPP-Net 算法的局限性与不足

对于较大的图像，SPP-Net 需要较长的时间来计算。因为 SPP-Net 需要在整个图像上计算池化层，这可能导致计算量大、速度慢。

SPP-Net 对于不同的图像大小需要重新训练。因为 SPP-Net 的最后一层是 SPP 层，它的池化操作是基于输入图像的大小，因此对于不同大小的图像，需要重新训练。

SPP-Net 在处理目标缩放、旋转等变形时表现不佳。因为 SPP-Net 的特征提取是基于固定大小的池化层，不能很好地适应不同大小和形状的目标。

在目标检测中，SPP-Net 只能检测单个目标。因为 SPP-Net 的输入是单个图像，无法在多个图像中进行目标检测。

SPP-Net 的网络结构较为复杂，训练需要较高的计算资源和时间。同时，SPP-Net 也需要大量的数据进行训练，否则容易出现过拟合的情况。