1.首先，输入进来的x是batchsize，64，256，256尺寸的。

他会用四个不同的conv组合，theta组合是由二维卷积+（batchnorm和relu的），得到两个值。

而，x_h和x_w都是通过一个简单的卷积得到的值。

2.

然后，通过sin，cos公式，将得到的64，256，256的值进行cat，因此得到batchsize，128，256，256的值。

 3.

然后，利用一个竖着的卷积，一个横着的卷积，来聚合xh和xw。

 

 4.

然后，得到一个x的卷积输出，c。看来前面的操作类似于通道注意力之类的，是在准备对x进行加权的值。

 可以看到，x的输出c是1，64，256，256维度的。

  5.可以看到，这个a是1，64，1，1维度的。

 6.

然后，会对这个a进行操作。可以看到，他变成了三倍的通道，也就是说，值多了三倍。

 因此，这个值a，变成了： 3,batchsize，64,1,1的维度的了。

 7.

可以看到，这个a就是对h+w+c进行求和的适应性avg，类似于通道注意力的a，所以这个a就是一种不同的注意力机制。

 可以看到，这个a是因为上面的通道调成了3倍，所以有三个值，也就是h，w和x进行加权，也就是对原本的x，和xh，xw进行加权。

 8.

因此，最后的输出是（1，64，256，256）维度的。