本文介绍了一种名为SPF-Net的合成融合金字塔网络，以及设计了一个尺度感知损失函数，用于准确计算人群数量。通过高斯模型噪声标注点，从输入图像中提取人群概率密度图。使用多尺度完全协方差近似联合分布，实现了低秩近似的可构建性和高效实现。SPF-Net能够准确预测人群中人员的位置，即使在嘈杂的训练注释下也能训练。