Le comptage sans exemples (Exemplar-Free Counting) vise à dénombrer les objets d'intérêt sans nécessiter des annotations intensives d'objets ou d'exemples. Pour atteindre cet objectif, nous proposons un Gated Context-Aware Swin-UNet (GCA-SUNet) capable de mapper directement une image d'entrée sur la carte de densité des objets dénombrables. Plus précisément, un ensemble de transformateurs Swin forme un encodeur pour obtenir une représentation robuste des caractéristiques, tandis qu'un bloc de modulation contextuelle contrôlé par une porte (Gated Context-Aware Modulation) est conçu pour supprimer les objets non pertinents ou le fond grâce à un mécanisme de porte et exploiter le soutien attentif des objets d'intérêt via une matrice d'autosimilarité. La stratégie de porte est également intégrée au réseau bottleneck et au décodeur du Swin-UNet afin de mettre en évidence les caractéristiques les plus pertinentes aux objets d'intérêt. En exploitant explicitement le soutien attentif parmi les objets dénombrables et en éliminant les caractéristiques non pertinentes grâce aux mécanismes de porte, le GCA-SUNet proposé se concentre sur et dénombre les objets d'intérêt sans s'appuyer sur des catégories prédéfinies ou des exemples. Les résultats expérimentaux sur des jeux de données réels tels que FSC-147 et CARPK montrent que le GCA-SUNet surpasse significativement et de manière constante les méthodes de pointe actuelles. Le code est disponible à l'adresse suivante : https://github.com/Amordia/GCA-SUNet.