一幅绘画的艺术风格（或艺术流派）是一种丰富的描述性特征，能够同时捕捉该作品的视觉特征与历史背景信息。准确识别绘画的艺术风格对于大规模艺术数据库的索引具有重要意义。本文研究了深度残差神经网络在绘画艺术风格检测任务中的应用，并在Wikipaintings数据集上（涵盖25种不同艺术风格）相较于现有方法取得了接近10%的性能提升。为实现这一成果，网络首先在ImageNet数据集上进行预训练，随后针对艺术风格识别任务进行深度微调。我们通过实验发现，为获得最佳性能，大约需要对网络中的20层进行重新训练。这一结果表明，图像识别与艺术风格识别任务之间的相似性符合预期，从而解释了此前手工设计特征方法之所以取得成功的原因。此外，我们还证明了在Wikipaintings数据集上检测到的艺术风格与在独立数据集上检测到的结果具有一致性，并通过一系列定性与定量实验验证了该方法的有效性。