El conteo de multitudes es un área de investigación activa dentro del análisis de escenas. En los últimos 20 años, los investigadores han propuesto varios algoritmos para el conteo de multitudes en escenarios en tiempo real debido a muchas aplicaciones en sistemas de gestión de desastres, eventos públicos, monitoreo de seguridad, entre otros. En nuestro artículo, propusimos un marco de segmentación semántica de extremo a extremo para el conteo de multitudes en una imagen densamente poblada. Nuestro marco propuesto se basó en la segmentación semántica de escenas utilizando una red neuronal convolucional optimizada. El marco resaltó con éxito el primer plano y suprimió la parte de fondo. El marco codificó los mapas de alta densidad a través de un sistema de mecanismo de atención guiada. Obtuvimos el conteo de multitudes mediante la integración de los mapas de densidad. Nuestro algoritmo propuesto clasificó el conteo de multitudes en cada imagen en grupos para adaptarse a las variaciones que ocurren en el conteo de multitudes. Nuestro algoritmo superó las variaciones de escala de una imagen abarrotada a través de características multinivel extraídas de las imágenes. Realizamos experimentos con cuatro conjuntos de datos estándar de conteo de multitudes, informando mejores resultados en comparación con resultados anteriores.