低样本目标计数器通过使用少量或无标注示例来估计图像中的目标数量。这些目标通过与原型匹配进行定位，而原型则是通过无监督的全图目标外观聚合构建的。由于目标外观可能存在多样性，现有的方法经常导致过度泛化和误检。此外，性能最佳的方法通常使用替代损失函数训练目标定位，该损失函数在每个目标中心预测一个单位高斯分布。这种损失函数对标注错误和超参数敏感，并且不能直接优化检测任务，从而导致计数不准确。我们引入了GeCo，这是一种新颖的低样本计数器，在统一架构中实现了准确的目标检测、分割和计数估计。GeCo通过一种创新的密集对象查询公式，稳健地将原型泛化到不同目标外观上。此外，我们提出了一种新的计数损失函数，该函数直接优化检测任务并避免了标准替代损失函数的问题。GeCo在总计数平均绝对误差（MAE）方面超越了领先的少样本检测基计数器约25%，并且在所有低样本计数组合中均取得了卓越的检测精度和新的坚实前沿结果。