看哪里？一些模型解决了视觉搜索中，注意力被吸引到我们要寻找的物体的特征上这样的问题。另外一些模型探讨了我们在场景中看到的位置的内容或者主旨（gist）的角色。在某种情况下，很难准确的说我们在场景中看哪或者看什么，因为由一个复杂的任务管理眼睛的注视点，比如在开车的过程中。虽然原则上，任务要求注意力包含其他两个因素，在实际中，模型往往分开关注他们。场景布局也被看作是topdow
注意力的一个来源8093，并在这里与场景内容一起考虑。1物体特征。有相当多的关于在现实世界搜索任务中存在目标驱动的注意力指引（atte
tio
guida
ce）的证据84852383。在经典的搜索任务中，目标特征在一个无处不在的注意力指引的来源818283。考虑在简单的目标箭头是红色的箭头簇中搜索：注意力快速地指向那个红色的箭头。拿这个与更负责的目标物体做比较，比如说自然情景中的行人，这种情况下尽管很难定义目标，但是依然存在一些特征（比如直立形式，圆头，直直的身体）指引视觉注意力87。引导搜索理论82提出注意力能够偏向于感兴趣的目标，通过调整贡献于注意力的不同特征的相对增益。回到我们以前提出的例子中，当看一个红色的物体，一个很高的增益赋给红色。Navalpakkam等人51提出优化特征组合（BU显著模型14的通道）按照最大化目标与背景的信噪比来检测目标。在50中，将一个基于物体唯一性的准则的加权函数，在将每幅图加起来之气，作用到每幅图中来定位物体。Butko等人161基于由Najem
ik等人20在一个特定中进行人脸检测和跟踪的观察框架中陈述的相同的视觉搜索原理，构建物体搜索模型，但是他们没有利用这么模型解释在搜索人脸中眼睛注视点。Borji等人89用进化算法在一个基本的显著模型参数空间中搜索来寻找目标。Elazary和Itti90提出了一个模型，该模型中topdow
注意力能调整首选特征（比如一个特定的灰度）和调整特征检测器的宽度，从而给出相比调节固定特
f征检测器的增益模型而言很灵活的topdow
调整模型。最后但是并不是不重要的研究包括147215141，他们都是从制定目标物体搜索的方法出发提出一个显著性度量方法。前面提到的关于在视觉搜索中物体特征的角色的研究与计算机视觉中的物体检测非常相近。一些物体检测方法（比如DeformablePartModelbyFelze
szwalb等人206和theAtte
tio
alCascadeofViolaa
dJo
es220）对于一些物体，如小汽车，人以及人脸有很高的检测率。与认知模型相比，这类方法通常是纯计算方法。关于这两个领域如何相r