Neste trabalho exploramos como Redes Neurais Convolucionais podem ser aplicadas para a tarefa de análise de sentimentos em mídias visuais. Comparamos quatro diferentes arquiteturas e propusemos uma nova abordagem, onde atributos que representam as principais categorias usadas na descrição de cenas são combinadas com a saída das camadas convolucionais antes do processo de classificação. Na primeira base de dados, composta por imagens do Twitter, conseguimos uma melhora na acurácia em relação à outros trabalhos. O segundo conjunto de dados, construído neste projeto, contém apenas imagens de ambientes externos e está rotulado em três classes: positivo, neutro e negativo. Em geral o uso dos atributos aumenta a acurácia dos resultados.