في تطبيقات عد الحشود في العالم الحقيقي، تتباين كثافة الحشود بشكل كبير في المجالات المكانية والزمانية. طريقة العد القائمة على الكشف ستعطي تقديرات دقيقة للحشود في المشاهد ذات الكثافة المنخفضة، بينما تنخفض موثوقيتها في المناطق المزدحمة. من ناحية أخرى، النهج القائم على الانحدار يلتقط المعلومات العامة عن الكثافة في المناطق المزدحمة. دون معرفة موقع كل شخص، يميل إلى زيادة تقدير العدد في المناطق ذات الكثافة المنخفضة. لذلك، فإن استخدام أي من هذه الطرق بشكل حصري غير كافٍ لمعالجة جميع أنواع المشاهد بكثافات متغيرة. لحل هذه المشكلة، تم اقتراح إطار عمل جديد لعد الحشود من النهاية إلى النهاية يُسمى DecideNet (شبكة DEteCtIon و Density Estimation). يمكنه تحديد الوضع المناسب للعد بشكل تكيفي لمواقع مختلفة على الصورة بناءً على ظروف الكثافة الفعلية. يبدأ DecideNet بتقدير كثافة الحشد بإنشاء خرائط كثافة قائمة على الكشف وخرائط كثافة قائمة على الانحدار بشكل منفصل. لالتقاط التباين لا مفر منه في الكثافات، يتم دمجه بمODULE انتباه (Attention Module)، وهو مصمم لتقييم موثوقية النوعين من التقديرات بشكل تكيفي. يتم الحصول على العدد النهائي للحشد بمساعدة MODULE الانتباه لتبني التقديرات المناسبة من الخرائط المختلفة لكثافة الحشد. أظهرت نتائج التجارب أن طريقة البحث تحقق أداءً رائدًا (state-of-the-art) على ثلاثة مجموعات بيانات صعبة لعد الحشود.