قد أحدثت الشبكات العصبية المُعَمَّقة (CNNs) تحسينات ضخمة في أداء اكتشاف الأشياء في الصور الفوتوغرافية. ومع ذلك، فإن البحوث المتعلقة باكتشاف الأشياء في الأعمال الفنية لا تزال محدودة. نقدم أداءً رائدًا على مجموعة بيانات صعبة، وهي مجموعة بيانات "People-Art" التي تحتوي على أشخاص من الصور الفوتوغرافية والرسوم المتحركة و41 حركة فنية مختلفة. نحقق هذا الأداء العالي من خلال تعديل شبكة عصبية مُعَمَّقة (CNN) لهذا المهمة، مما يدل أيضًا على أن تدريب شبكات CNN على الصور يؤدي إلى التكيف الزائد للصور: فقط أول ثلاث أو أربع طبقات يمكن أن تنتقل من الصور إلى الأعمال الفنية. رغم أن أداء الشبكة العصبية هو الأعلى حتى الآن، إلا أنه لا يزال أقل من 60٪ دقة الاستدعاء (AP)، مما يشير إلى الحاجة لمزيد من العمل لحل مشكلة الاختلاف في التمثيل البصري. يمكن الحصول على النشر النهائي عبر سبرنجر عن طريق الرابط http://dx.doi.org/10.1007/978-3-319-46604-0_57