如果您对“应用程序”的解释足够广泛，那么至少已经有一个应用程序了：Hong、Noh 和 Han 的 Decoupled Deep Neural Network for Semi-supervised Semantic Segmentation。他们用它来进行图像分割。标准图像识别网络只能为图像上识别的每个对象提供一个边界框。如果您想知道哪些像素构成该对象，则必须进行图像分割。

基本上，在图像上找到狗之后，Hong 等人的架构通过神经网络将狗的特性反向传播到像素级别，以找到对狗出现最负责的像素。（然后他们使用这个热图作为监督分割网络的输入，那部分没有深切的梦想。）

这已经是一种存在证明，证明 Deep Dream 的想法可以在图像处理之外有用。但我也不会淡化图像处理本身。我提到了两件事不是 Deep Dreaming 的直接应用，我们目前还没有，但我可以从原始的 Deep Dream 算法中看到一条看似合理的道路：

• 美化图片和人脸和身体。（自动化 Photoshop 润饰艺术家所做的工作。）
• CSI 风格的图像放大，带有虚假但可信的插值细节。

这是另一个非常新的应用程序，刚刚在过去几周内演示过。计算机正在过滤图像，使其看起来像梵高、毕加索等不同艺术家的独特风格的画作……这似乎是可能的，因为该技术可以包含不同的艺术风格，它可能在某些艺术界用于伪造检测观点。（历史上，该领域使用了许多非常先进的分析技术。）请注意，过滤方法在 Instagram 上非常流行，因此这些方法似乎很可能在某个时候在商业上可用。

• 计算机现在可以像梵高和毕加索一样绘画/石英

• Instagram 成功的科学：过滤后的照片被浏览的可能性增加了 21%——暖色调得到更多评论/每日邮报

不可能证明是否定的，但除了通常使用相同的模式检测系统来检测形状/图像并将它们替换为其他类似的图像，可能用于自动图像校正或类似的，我不认为它有真正的修改图片之外的潜力。

如果被证明是错误的，我可能不得不删除这个答案。

灰度到彩色

例如：

http://s15.postimg.org/3xq8jx03f/image.jpg

到

http://s15.postimg.org/i5fx8kcsb/image.jpg

http://s15.postimg.org/c5s64wrzv/image.jpg

树木看起来不自然的红色，但仍然不错。这对我尝试过的其他灰度图像有效，但效果不那么令人印象深刻。