Niedrigschuss-Objektzähler schätzen die Anzahl von Objekten in einem Bild unter Verwendung von wenigen oder gar keinen annotierten Beispielen. Die Objekte werden durch Abgleich mit Prototypen lokalisiert, die durch unsupervises, bildweites Aggregieren der Objekt-Erscheinung konstruiert werden. Aufgrund potenziell vielfältiger Objekt-Erscheinungen führen die existierenden Ansätze oft zu Übergeneralisierung und Falschpositiven. Darüber hinaus optimieren die besten Methoden die Objektlokalisation durch einen Surrogatverlust, der eine Einheits-Gauß-Verteilung an jedem Objektzentrum vorhersagt. Dieser Verlust ist empfindlich gegenüber Annotationfehlern, Hyperparametern und optimiert die Detektionsaufgabe nicht direkt, was zu suboptimalen Zählungen führt. Wir stellen GeCo vor, einen neuen Niedrigschuss-Zähler, der genaue Objekterkennung, -segmentierung und -zählung in einer einheitlichen Architektur erreicht. GeCo verallgemeinert die Prototypen robust über verschiedene Objekt-Erscheinungen hinweg durch eine neuartige dichte Objekt-Abfrageformulierung. Zudem wird ein neuer Zählungsverlust vorgeschlagen, der die Detektionsaufgabe direkt optimiert und die Probleme des Standard-Surrogatverlusts vermeidet. GeCo übertreffen die führenden few-shot-detektionsbasierten Zähler um etwa 25 % im Gesamt-Mean-Absolute-Error (MAE) der Zählung, erzielt eine überlegene Detektionsgenauigkeit und setzt neue maßgebliche Referenzwerte in allen Niedrigschuss-Zählungsanwendungen.