前言 本文介绍的UNeXt是约翰霍普金斯大学发布的论文。它在早期阶段使用卷积，在潜在空间阶段使用MLP。通过一个标记化的MLP块来标记和投影卷积特征，并使用MLP对表示进行建模。对输入通道进行移位，可以专注于学习局部依赖性。本文转载自DeephubImba仅用于学术分享，若侵权请联系

UNeXt是约翰霍普金斯大学在2022年发布的论文。它在早期阶段使用卷积，在潜在空间阶段使用MLP。通过一个标记化的MLP块来标记和投影卷积特征，并使用MLP对表示进行建模。对输入通道进行移位，可以专注于学习局部依赖性。UNeXt完整文章：https://avoid.overfit.cn/post/addeb0eacf6

UNeXt:MLP-basedRapidMedicalImageSegmentationNetwork论文：https://arxiv.org/abs/2203.04967代码：https://github.com/jeya-maria-jose/UNeXt-pytorch1.动机UNe

目录结论实现过程注意事项结论std::remove并没有删除元素，只是将指定元素交换到了容器后面删除元素需要配合erase完成实现过程代码 //演示代码 std::vector<int