卷积神经网络（CNNs）在照片中的物体检测性能方面取得了显著提升。然而，关于艺术品中物体检测的研究仍然有限。我们在一个具有挑战性的数据集People-Art上展示了最先进的性能，该数据集包含来自照片、卡通以及41种不同艺术流派的人物图像。我们通过针对此任务微调CNN实现了这一高性能，同时也证明了在照片上训练CNN会导致对照片的过拟合：只有前几层（前三到四层）可以从照片迁移到艺术品。尽管CNN的性能达到了目前的最高水平，但其平均精度（AP）仍低于60%，表明跨描绘问题仍需进一步研究。最终出版物可通过Springer访问，网址为http://dx.doi.org/10.1007/978-3-319-46604-0_57。