Alternativas a Deepness en QGIS: 5 gratis y de pago
Publicado el Actualizado el
El reemplazo más rápido de Deepness es AI Segmentation, el nuestro: dibuja una zona, escribe building, y los polígonos vuelven sin ningún archivo de modelo. Deepness ejecuta un modelo de deep learning sobre un ráster dentro de QGIS, por teselas, en tu propia máquina, gratis.
, por teselas, en tu propia máquina, gratis.Deepness trabaja con un archivo ONNX que aportas tú: eliges un modelo en su página de documentación, lo descargas y luego lo buscas desde el plugin. Si no tienes ese archivo, las otras herramientas de abajo parten de entradas distintas. Deepness está en el número dos, con las mismas reglas que el resto.
Comparados de un vistazo
| Herramienta | Ideal para | Precio | Se ejecuta en | Plan gratis |
|---|---|---|---|---|
| AI Segmentation (el nuestro) | Cualquier objeto que puedas nombrar, sobre un área, sin nada que instalar | 1.5 km² al mes gratis, 39 € por 100 km² | Nuestros servidores, o tu máquina en Semi-Auto | 1.5 km² al mes, sin tarjeta |
| Deepness | Un modelo que ya tienes, en imágenes que deben quedarse en su sitio | Gratis, Apache 2.0 | Tu máquina | Todo, sin cuenta |
| Geo SAM | Unas decenas de objetos pinchados uno a uno, sin conexión | Gratis, MIT | Tu máquina | Todo, sin cuenta |
| GeoAI | Copas de árboles, máscaras de agua y tu propio entrenamiento, en una tarjeta NVIDIA | Gratis, MIT | Tu máquina | Todo, sin cuenta |
| Mapflow | Edificios, carreteras y parcelas como productos acabados en todo un pueblo | Unos 1.30 USD por km² para edificios | Sus servidores | 250 créditos, sobre 25 km² como máximo |
1. AI Segmentation
AI Segmentation es el nuestro, así que valora esta entrada con cautela. Dibuja una zona sobre cualquier ráster o mapa base, escribe una palabra como building o solar panel, y cada coincidencia vuelve como su propio polígono. La salida es un GeoPackage con estilo, cada polígono con etiqueta, clase, puntuación de confianza y área.
- Ideal para: un geomático sin modelo, sin tarjeta gráfica y sin tardes libres, que necesita objetos fuera de una imagen hoy.
- No para: imágenes que no pueden salir de la máquina, salvo que te quedes en Semi-Auto, o una clase que solo conocen tus propias etiquetas.
- Precio: gratis por 1.5 km² de detección automática al mes, sin tarjeta. Pro son 39 € al mes por 100 km². Semi-Auto en tu propia máquina no tiene contador.
- Se ejecuta en: nuestros servidores en Europa para los dos modos en la nube, así que las imágenes dentro de tu zona sí salen de tu máquina. Semi-Auto ejecuta un modelo pequeño en local y se queda allí.
- Instalación: el plugin, y nada después. Ningún comando pip, ningún CUDA y ningún peso que descargar.
Dónde gana
- La palabra que escribes es la clase, así que pasar de
buildingasolar panelcuesta un campo, no un reentrenamiento. - Los deslizadores de confianza y área filtran el resultado en su sitio, antes de exportar.
Límites
- Devuelve más de lo pedido. Rejillas, claraboyas, cobertizos de patio y sombras vuelven como polígonos bien trazados que no son edificios, así que mueves los deslizadores hasta que desaparecen. En una pasada sobre París eso llevó 635 polígonos a 82, y esos 82 aún guardaban el 84% del área construida.
Página del producto y la guía completa.
Pruébalo gratis en QGIS, sin tarjeta
2. Deepness
Carga una red ONNX que aportas, la pasa sobre un ráster en teselas con solape, y escribe el resultado como una capa. Segmentación, detección de objetos, regresión y superresolución, y ajustas el tamaño de tesela, el solape y el postproceso.
- Ideal para: alguien con un archivo ONNX entrenado, o un sensor que encaja con uno de los 24 modelos de la página del zoo, cuyas imágenes deben quedarse en la máquina.
- Pensado para: quien aporta su propio modelo ONNX.
- Precio: gratis. Sin cuenta, sin clave de API, sin control de licencia en el código. La única llamada saliente es el
pip installdel primer arranque. - Se ejecuta en: tu máquina, CPU o CUDA. El instalador solo trae la versión GPU en Linux, así que Windows y macOS reciben
onnxruntimesimple. - Instalación: el plugin, luego OpenCV y ONNX Runtime en el primer arranque.
Dónde gana
- Tu propio modelo funciona. Cualquier ONNX con la forma documentada vale, entrenado con tus etiquetas, tu sensor, tu resolución.
- Nada está medido, así que un pueblo de 10 km² y una región de 1000 km² cuestan lo mismo.
- Apache 2.0 y revisado por pares en SoftwareX (DOI 10.1016/j.softx.2023.101495), así que un archivo de modelo fijo da la misma respuesta en tres años.
Límites
- Tú aportas el modelo y fijas su resolución en cm por píxel. La página del zoo lista 24 modelos, entrenados con resoluciones de 0.5 a 1000 cm por píxel, y avisa de que los modelos incluidos no son herramientas universales.
- Las ejecuciones en CPU tardan más que en GPU. Un usuario notificó en issue #192 una tesela de 5000 por 5000 píxeles a 20 cm en issue #192, 80 minutos en un Ryzen 7 5800X frente a 61 segundos en una GTX 1660 Ti. Una máquina, un modelo, así que léelo como su medida, no como un benchmark.
Repositorio y documentación. La documentación se genera desde una rama sin publicar, mientras el marketplace te entrega la 0.6.5, del 10 de diciembre de 2024.
3. Geo SAM
Segment Anything dentro de QGIS. Pincha un punto o arrastra una caja sobre un ráster, y ese objeto vuelve como un polígono.
- Ideal para: unas decenas de objetos sobre una imagen local, sin archivo de modelo que buscar y sin comando pip que escribir.
- Pensado para: un objeto por prompt.
- Precio: gratis, MIT.
- Se ejecuta en: tu máquina, con o sin tarjeta gráfica. Sin cuenta.
- Instalación: el plugin. Gestiona sus propias dependencias y trae sus checkpoints desde dentro de QGIS.
Dónde gana
- La única opción sin conexión que no pide ningún archivo de modelo.
- Acepta un archivo ráster o una capa XYZ, WMS o WMTS, así que sirve un mapa base.
Límites
- El primer prompt sobre una imagen nueva espera mientras se codifica toda la imagen, «de unos segundos a varios minutos según el tamaño de la imagen, el modelo y el hardware» según su propia FAQ, que además trae una estrategia de memoria baja para cuando ese paso agota la RAM.
Repositorio, documentación y listado del plugin.
4. GeoAI
Una caja de herramientas con tareas listas, un panel acoplable cada una: segmentación de árboles, segmentación de agua, Segment Anything, segmentación semántica y de instancias, más un entrenador para tu propio modelo. Cada panel devuelve polígonos y máscaras.
- Ideal para: alguien con una tarjeta NVIDIA y una tarde, que quiere varias tareas de detección cubiertas sin exportar ningún archivo ONNX.
- Nota: SAM 3 necesita una tarjeta NVIDIA.
- Precio: gratis, MIT.
- Se ejecuta en: tu máquina. CUDA para ir rápido, Apple MPS en Apple Silicon, CPU como reserva. Sin cuenta, salvo que los pesos de SAM 3 piden antes una solicitud de acceso en Hugging Face.
- Instalación: el plugin, más un entorno PyTorch. Su propia página dice que esto «puede ser difícil por las complicadas dependencias pytorch/cuda».
Dónde gana
- Varias tareas en un plugin, cada una con su panel, ninguna pide un archivo de modelo.
- El entrenador deja tus propias etiquetas dentro de la misma herramienta.
Límites
- SAM 3 necesita una tarjeta NVIDIA. Sin ella devuelve
Failed to load model: Torch not compiled with CUDA enabled, y los demás modelos siguen funcionando.
Documentación del plugin y repositorio.
5. Mapflow, de Geoalert
Dibuja un área sobre una de sus fuentes de imágenes, elige una clase, y vuelven capas vectoriales: edificios con altura opcional, carreteras, parcelas agrícolas, bosque, obras.
- Ideal para: una de esas clases acabadas en todo un pueblo, sin nada que instalar y sin tarjeta gráfica.
- No para: una clase fuera de su lista.
- Precio: créditos a 0.10 USD cada uno. Los edificios son 10 créditos por km² y el mapa base suma de 1 a 9 más, así que una pasada sobre un mapa base Mapbox zoom-18 cuesta 13 créditos, unos 1.30 USD por km², y cada trabajo redondea al km² entero. El plan gratis da 250 créditos sobre 25 km² como máximo.
- Se ejecuta en: su servicio alojado para el plugin de QGIS, con una cuenta. Su sitio también menciona una opción on-premise para clientes empresariales, que este artículo no compara.
- Instalación: solo el plugin.
Dónde gana
- El panel pone precio a la ejecución antes de empezar.
- La altura de edificios vuelve como atributo, algo que ninguna otra herramienta aquí ofrece.
Documentación del plugin y repositorio.
Lado a lado
| Herramienta | Qué le das | Instalación | GPU | Cuenta | Las imágenes salen de la máquina | Un pueblo de 10 km² |
|---|---|---|---|---|---|---|
| AI Segmentation (el nuestro) | Una zona que dibujas, más una palabra | Solo el plugin | No | Sí | Solo en los dos modos en la nube | Una décima parte de un mes a 39 € |
| Deepness | Cualquier capa ráster, más un archivo ONNX | Plugin, luego OpenCV y ONNX Runtime | Opcional, en la práctica solo Linux | No | No | Gratis, pagado en horas de CPU |
| Geo SAM | Un archivo ráster, o una capa XYZ, WMS o WMTS | Plugin, dependencias gestionadas | Opcional | No | No | Gratis, un clic por objeto |
| GeoAI | Una capa ráster | Plugin, más un entorno PyTorch | Recomendada, NVIDIA para SAM 3 | No | No | Gratis, pagado en tiempo de instalación |
| Mapflow | Un área que dibujas sobre sus imágenes | Solo el plugin | No | Sí | Sí, con el plugin alojado | Unos 13 USD |
La columna de instalación es la que la gente subestima, y la ficha de Deepness lo dice.
Cómo pasar desde Deepness
Exporta primero tus resultados. Una ejecución de Deepness aterriza en una capa temporal que muere con el proyecto, así que clic derecho y guárdalo como GeoPackage antes de cerrar QGIS.
Tu archivo ONNX no tiene casa en los otros cuatro. Ninguno cargará una red que entrenaste. Guarda el archivo, y deja Deepness instalado para el día en que un trabajo lo pida.
Lo que pierdes es la inferencia sin conexión, pero solo si aterrizas en el plugin alojado de Mapflow o en nuestro modo Automático, pues ambos envían las imágenes dentro de tu zona a un servidor. Geo SAM y GeoAI se quedan en local, justo como Deepness. Lo que ganas es lo mismo en los cuatro casos: sin caza de modelos, sin resolución en cm/px que escribir, sin pip install en el primer arranque.
Qué recordar
Deepness es la única herramienta de esta página que ejecuta una red que entrenaste tú, y eso es lo único que debes sopesar antes de dejarlo.
El zoo de modelos es una página de documentación, así que el archivo ONNX llega a mano y fijas su resolución tú mismo.
Una tesela de 5000 por 5000 píxeles a 20 cm, notificada por un usuario, tardó 80 minutos en CPU, frente a 61 segundos en una GTX 1660 Ti.
Deepness, Geo SAM y GeoAI no hacen ninguna llamada de red mientras se ejecuta el modelo, así que las imágenes bajo prohibición de subida se quedan en tu disco.
Detectar todos los edificios en un pueblo de 10 km² cuesta unos 13 USD en Mapflow, una décima parte de un mes Pro a 39 €, y tiempo de instalación en las tres herramientas gratis.
Cómo los comparé
Cinco criterios: qué le das a la herramienta, dónde se ejecuta, si tus imágenes salen de tu máquina, cuánto cuesta un trabajo real, y cuánto tarda la instalación. Precios, versiones, licencias y números de issues abiertos se leyeron el 23 de agosto de 2026 desde el repositorio o la documentación de cada proyecto. Las capturas son del mismo día.
Aviso: la primera entrada es la nuestra. Si tus imágenes están bajo una norma que prohíbe cualquier subida y ya tienes un archivo ONNX entrenado, quédate en Deepness. Nuestro modo Automático detecta en nuestros servidores, así que nada de esto lo cambia.
Preguntas que hace la gente
¿Hay una alternativa a Deepness que no pida un archivo ONNX?
Las otras cuatro. Geo SAM y GeoAI traen sus propios pesos por ti, y el plugin alojado de Mapflow y nuestro AI Segmentation guardan los suyos en un servidor, así que nada aterriza en tu disco. Deepness te pide aportar el tuyo, y eso es también lo que le permite ejecutar un modelo que entrenaste tú.
¿Funciona Deepness en macOS?
Su registro de GitHub lista informes de instalación en macOS, por ejemplo #209, abierto a 23 de agosto de 2026. Comprueba el registro antes de planificar en torno a ello. Geo SAM gestiona sus propias dependencias y las herramientas alojadas solo necesitan el plugin, así que un Mac no frena a ninguna.
¿Puedo usar deep learning en QGIS sin tarjeta gráfica?
Sí. Deepness, Geo SAM y GeoAI usan la CPU como reserva, y Deepness ni siquiera instala la versión GPU en Windows o macOS. Pagas en tiempo: una tesela notificada por un usuario tardó 80 minutos en CPU frente a 61 segundos en una GTX 1660 Ti. Sin tarjeta ni paciencia, Mapflow y nuestro AI Segmentation calculan en un servidor.
¿Hay un problema conocido de Deepness en QGIS 3.44?
Un usuario lo notificó en issue #235, abierto a 23 de agosto de 2026: los requisitos del plugin fijan numpy<2.0.0 y QGIS 3.44 trae NumPy 2.4.3, así que el primer arranque imprimió A module that was compiled using NumPy 1.x cannot be run in NumPy 2.4.3. Imprime numpy.__version__ en la Consola de Python de QGIS antes de instalar.
¿Cuál de estas deja mis imágenes en mi máquina?
Deepness, Geo SAM y GeoAI, las tres del todo: sin cuenta, sin clave de API y sin llamada de red mientras se ejecuta el modelo. Nuestro modo Semi-Auto también se queda en local, mientras nuestro modo Automático y el plugin alojado de Mapflow envían las imágenes dentro de tu zona a un servidor, el nuestro en Europa.
¿Cuánto cuesta detectar todos los edificios en un pueblo de 10 km²?
Unos 13 USD en Mapflow, a 13 créditos por km² sobre un mapa base Mapbox zoom-18. En nuestro plan Pro, 39 € al mes cubren 100 km², así que ese pueblo es una décima parte de un mes. En las tres herramientas gratis el área no cuesta nada, y pagas en tiempo de instalación y horas de CPU.
¿Los 24 modelos del zoo de Deepness cubren mis imágenes?
Están entrenados con resoluciones de 0.5 a 1000 cm por píxel, así que comprueba la columna CM/PX frente a tus imágenes. La propia página avisa de que los modelos no son herramientas universales.
¿Sobrevive un resultado de Deepness al cerrar QGIS?
Una ejecución de Deepness aterriza en una capa temporal que muere con el proyecto. Clic derecho y guárdalo como GeoPackage antes de cerrar nada.
Para trabajos más estrechos hay herramientas propias: Bunting Labs AI Vectorizer traza líneas delante de tu cursor mientras digitalizas a mano, SamGeo es otro plugin local de Segment Anything, y SCP clasifica coberturas desde áreas de entrenamiento que dibujas.
Los ocho plugins de IA comparados cubre el campo entero, la guía SAM profundiza en Segment Anything, y el hub QGIS AI mapea el resto.
