النمط الفني (أو الحركة الفنية) لعمل فني هو وصف غني يُركّز على المعلومات البصرية والتواريخية المتعلقة بالعمل. إن تحديد النمط الفني للعمل الفني بشكل دقيق أمر بالغ الأهمية لفهرسة قواعد البيانات الفنية الكبيرة. في هذه الورقة، نستعرض استخدام الشبكات العصبية العميقة ذات التراكيب المتبقية (deep residual neural networks) لحل مشكلة اكتشاف النمط الفني للعمل الفني، ونُظهر تفوقنا على الطرق الحالية بنسبة تقارب 10% على مجموعة بيانات Wikipaintings (لـ 25 نمطًا فنيًا مختلفًا). لتحقيق هذا الأداء، تم تدريب الشبكة أولًا على مجموعة ImageNet، ثم إعادة تدريبها بشكل عميق لتمييز الأنماط الفنية. ونُظهر تجريبيًا أن أفضل أداء يُحقق عند إعادة تدريب حوالي 20 طبقة، مما يشير إلى أن المهمتين متشابهتان إلى حدٍ يُتوقعه، ويُفسّر النجاح السابق للسمات اليدوية المُصممة. كما نُظهر أن الأنماط الفنية التي تم اكتشافها على مجموعة Wikipaintings متسقة مع الأنماط التي تم اكتشافها على مجموعة بيانات مستقلة، ونُقدّم عدّة تجارب قمنا بها للتحقق من هذا النهج من حيث الجودة النوعية والكمية.