يهدف هذا البحث إلى معالجة المهمة الصعبة لعد الكائنات في مثال واحد (one-shot object counting). ويتمثل الهدف من هذه المهمة، عند إعطاء صورة تحتوي على كائنات تابعة لفئة جديدة لم تُرَ من قبل، في عد جميع حالات الكائنات في الفئة المطلوبة، باستخدام مثال واحد فقط مُعطى على شكل مربع حدودي داعم (supporting bounding box). ولتحقيق ذلك، نقترح نموذجًا للعد يُسمى LaoNet، الذي يعتمد على مبدأ "انظر إلى مثال واحد فقط" (Look At One instance). أولاً، يدمج وحدة الارتباط المميزات (feature correlation module) بين وحدتي Self-Attention و Correlative-Attention، مما يمكّن النموذج من تعلُّم العلاقات الداخلية بين الكائنات والعلاقات الخارجية بينها، ما يعزز قدرة الشبكة على التحمل تجاه الاختلافات في الاتجاهات والمقاسات بين الحالات المختلفة. ثانيًا، تم تصميم آلية تجميع المقياس (Scale Aggregation mechanism) لمساعدة استخلاص السمات ذات معلومات مقياس مختلفة. مقارنةً بالطرق الحالية لعد الكائنات في مثال قليل (few-shot counting)، يحقق LaoNet نتائج متقدمة على مستوى الحالة الحالية (state-of-the-art) مع سرعة تقارب عالية أثناء التعلّم. وسيتم توفير الشفرة المصدرية قريبًا.