في هذا البحث، نواجه مشكلة عد الحشود في الصور. نقدم منهجية تقدير الكثافة تعتمد على الشبكات العصبية التلافيفية (CNN) لحل هذه المشكلة. التنبؤ بخريطة كثافة ذات دقة عالية دفعة واحدة هو مهمة صعبة. لذلك، نقترح هندسة شبكتين تلافيفيتين لإنشاء خرائط كثافة ذات دقة عالية، حيث تقوم الشبكة الأولى بإنشاء خريطة كثافة ذات دقة منخفضة، بينما تقوم الشبكة الثانية بدمج التنبؤات ذات الدقة المنخفضة وخرائط الميزات من الشبكة الأولى لإنتاج خريطة كثافة ذات دقة عالية. كما نقترح توسيعًا متعدد المراحل لمنهجيتنا، حيث تستفيد كل مرحلة في خط الأنابيب من التنبؤات التي تم إجراؤها في جميع المراحل السابقة. المقارنة التجريبية مع الطرق السابقة الرائدة في مجال عد الحشود تظهر أن طريقتنا تحقق أقل خطأ مطلق متوسط على ثلاثة مقاييس صعبة لعد الحشود: شنغهاي تك (Shanghaitech)، وورلد إكسبو 2010 (WorldExpo'10)، ومجموعات UCF.