Alternatif Deepness di QGIS: 5 gratis dan berbayar

Pengganti Deepness tercepat adalah AI Segmentation, milik kami: gambar zona, ketik building, dan poligon kembali tanpa file model apa pun. Deepness sendiri menjalankan model deep learning di atas raster di dalam QGIS, tile per tile, di mesin Anda sendiri, gratis.

Deepness bekerja dari file ONNX yang Anda sediakan: Anda memilih model dari halaman dokumentasinya, mengunduhnya, lalu mencarinya dari plugin. Jika Anda tidak punya file itu, alat-alat lain di bawah dimulai dari input yang berbeda. Deepness ada di nomor dua, dinilai dengan baris yang sama seperti lainnya.

Perbandingan sekilas

1. AI Segmentation

AI Segmentation milik kami, jadi nilai entri ini dengan itu. Gambar zona di atas raster atau basemap apa pun, ketik kata seperti building atau solar panel, dan setiap yang cocok kembali sebagai poligon sendiri. Output berupa GeoPackage dengan simbologi yang sudah diatur, tiap poligon membawa label, kelas, skor confidence, dan luas.

• Terbaik untuk: geomatikus tanpa model, tanpa kartu grafis, dan tanpa sore luang, yang butuh objek keluar dari citra hari ini.
• Bukan untuk: citra yang tidak boleh meninggalkan mesin, kecuali Anda tetap di Semi-Auto, atau kelas yang hanya dikenal label Anda sendiri.
• Harga: gratis untuk 1,5 km² deteksi Otomatis per bulan, tanpa kartu. Pro €39 per bulan untuk 100 km². Semi-Auto di mesin sendiri tanpa hitungan.
• Berjalan di: server kami di Eropa untuk dua mode cloud, jadi citra di dalam zona Anda memang meninggalkan mesin Anda. Semi-Auto menjalankan model kecil secara lokal dan menyimpannya di sana.
• Instal: plugin, dan tidak ada lagi setelahnya. Tanpa perintah pip, tanpa CUDA, dan tanpa weights yang perlu diambil.

Kelebihannya

• Kata yang Anda ketik adalah kelasnya, jadi building ke solar panel hanya butuh satu field, bukan run training ulang.
• Slider confidence dan luas memfilter hasil di tempat, sebelum ekspor.

Batasan

• Ia mengembalikan lebih dari yang diminta. Ventilasi, skylight, gudang halaman, dan bayangan kembali sebagai poligon yang benar secara garis tetapi bukan bangunan, jadi Anda menggeser slider hingga hilang. Pada satu run Paris, itu memangkas 635 poligon menjadi 82, dan 82 itu masih memegang 84% luas terbangun.

Halaman produk dan panduan lengkap.

Coba gratis di QGIS, tanpa kartu kredit

2. Deepness

Ia memuat jaringan ONNX yang Anda sediakan, menggesernya di atas raster dalam tile yang bertumpang tindih, dan menulis hasilnya kembali sebagai layer. Segmentasi, deteksi objek, regresi, dan super-resolusi, dan Anda mengatur ukuran tile, overlap, dan postprocessing.

• Terbaik untuk: pemilik file ONNX terlatih, atau sensor yang cocok dengan satu dari 24 model di halaman zoo, yang citranya harus tetap di mesin.
• Dibuat untuk: orang yang membawa model ONNX sendiri.
• Harga: gratis. Tanpa akun, tanpa kunci API, tanpa cek lisensi di mana pun dalam kode. Satu-satunya panggilan keluar adalah pip install saat start pertama.
• Berjalan di: mesin Anda, CPU atau CUDA. Installer hanya mengambil build GPU di Linux, jadi Windows dan macOS mendapat onnxruntime biasa.
• Instal: plugin, lalu OpenCV dan ONNX Runtime saat start pertama.

Kelebihannya

• Model Anda sendiri berjalan. ONNX apa pun yang cocok dengan bentuk terdokumentasi bekerja, dilatih di atas label, sensor, dan resolusi Anda.
• Tidak ada yang dimeter, jadi kota 10 km² dan wilayah 1.000 km² berbiaya sama.
• Apache 2.0 dan direview sejawat di SoftwareX (DOI 10.1016/j.softx.2023.101495), jadi file model yang versinya dikunci memberi jawaban sama dalam tiga tahun.

Batasan

• Anda membawa model dan mengatur resolusinya dalam cm per piksel. Halaman zoo mencantumkan 24 model yang dilatih pada resolusi dari 0,5 hingga 1000 cm per piksel, dan mencatat bahwa model yang disediakan bukan alat universal.
• Run CPU lebih lama daripada run GPU. Seorang pengguna melaporkan di issue #192, 80 menit di Ryzen 7 5800X melawan 61 detik di GTX 1660 Ti. Satu mesin, satu model, jadi baca sebagai pengukurannya, bukan benchmark.

Repositori dan dokumentasi. Per 23 Agustus 2026 dokumen dibangun dari branch yang lebih baru dan belum dirilis, sementara versi marketplace adalah 0.6.5, dari 10 Desember 2024.

3. Geo SAM

Segment Anything di dalam QGIS. Klik titik atau seret kotak di atas raster, dan objek itu kembali sebagai poligon.

• Terbaik untuk: beberapa lusin objek dari citra lokal, tanpa berburu file model dan tanpa mengetik perintah pip.
• Dibuat untuk: satu objek per prompt.
• Harga: gratis, MIT.
• Berjalan di: mesin Anda, dengan atau tanpa kartu grafis. Tanpa akun.
• Instal: plugin. Ia mengelola dependensinya sendiri dan mengambil checkpoint dari dalam QGIS.

Kelebihannya

• Satu-satunya opsi offline yang tidak meminta file model sama sekali.
• Ia menerima file raster atau layer XYZ, WMS, atau WMTS, jadi basemap bekerja.

Batasan

• prompt pertama pada citra baru menunggu selama seluruh citra dikodekan, "from a few seconds to several minutes depending on the image size, model, and hardware" menurut FAQ-nya sendiri, yang juga menyertakan strategi low-memory saat langkah itu menghabiskan RAM.

Repositori, dokumentasi dan listing plugin.

4. GeoAI

Sebuah toolbox berisi tugas siap pakai, tiap tugas satu panel dockable: segmentasi pohon, segmentasi air, Segment Anything, segmentasi semantik dan instance, plus trainer untuk model Anda sendiri. Tiap panel mengeluarkan poligon dan masker.

• Terbaik untuk: pemilik kartu NVIDIA dan satu sore luang, yang ingin beberapa tugas deteksi tercakup tanpa mengekspor file ONNX.
• Catatan: SAM 3 butuh kartu NVIDIA.
• Harga: gratis, MIT.
• Berjalan di: mesin Anda. CUDA untuk kecepatan, Apple MPS di Apple Silicon, CPU sebagai fallback. Tanpa akun, kecuali weights SAM 3 yang perlu permintaan akses Hugging Face dulu.
• Instal: plugin, plus environment PyTorch. Halamannya sendiri menyebut ini "can be challenging due to the complicated pytorch/cuda dependencies".

Kelebihannya

• Beberapa tugas dalam satu plugin, tiap tugas dengan panelnya sendiri, tanpa perlu file model.
• Trainer menyimpan label Anda sendiri di dalam alat yang sama.

Batasan

• SAM 3 butuh kartu NVIDIA. Tanpanya ia mengembalikan Failed to load model: Torch not compiled with CUDA enabled, dan model lain tetap berjalan.

Dokumentasi plugin dan repositori.

5. Mapflow, oleh Geoalert

Gambar area di atas salah satu sumber citra mereka, pilih kelas, dan layer vektor kembali: bangunan dengan tinggi opsional, jalan, bidang pertanian, hutan, lokasi konstruksi.

• Terbaik untuk: satu dari kelas jadi itu di seluruh kota, tanpa instal apa pun dan tanpa kartu grafis.
• Bukan untuk: kelas di luar daftar mereka.
• Harga: kredit seharga $0,10 tiap kredit. Bangunan 10 kredit per km² dan basemap menambah 1 hingga 9 lagi, jadi run di atas basemap Mapbox zoom-18 berbiaya 13 kredit, sekitar $1,30 per km², dan setiap pekerjaan dibulatkan ke atas ke km² penuh. Paket gratis memberi 250 kredit maksimal 25 km².
• Berjalan di: layanan hosted mereka untuk plugin QGIS, dengan akun. Situs mereka juga mencantumkan opsi on-premise untuk pelanggan enterprise, yang tidak dibandingkan dalam artikel ini.
• Instal: hanya plugin.

Kelebihannya

• Panel menunjukkan harga run sebelum Anda memulainya.
• Tinggi bangunan kembali sebagai atribut, yang tidak ditawarkan alat lain di sini.

Dokumentasi plugin dan repositori.

Bersisian

Kolom instal adalah yang paling diremehkan orang, dan listing Deepness sendiri mengatakannya.

Cara beralih dari Deepness

Ekspor hasil Anda dulu. Run Deepness mendarat di layer sementara yang hilang bersama proyek, jadi klik kanan lalu simpan sebagai GeoPackage sebelum menutup QGIS.

File ONNX Anda tidak punya tempat di empat lainnya. Tidak satu pun akan memuat jaringan yang Anda latih. Simpan file itu, dan biarkan Deepness terinstal untuk hari saat pekerjaan membutuhkannya.

Yang hilang adalah inferensi offline, tetapi hanya jika Anda mendarat di plugin hosted Mapflow atau mode Otomatis kami, karena keduanya mengirim citra di dalam zona Anda ke server. Geo SAM dan GeoAI tetap lokal, persis seperti Deepness. Yang Anda dapat sama di keempat kasus: tanpa berburu model, tanpa resolusi dalam cm/px yang perlu diketik, tanpa pip install saat start pertama.

Yang perlu diingat

Deepness adalah satu-satunya alat di halaman ini yang menjalankan jaringan yang Anda latih sendiri, itulah satu hal yang perlu ditimbang sebelum meninggalkannya.

Model zoo adalah halaman dokumentasi, jadi file ONNX datang secara manual dan Anda mengatur resolusinya sendiri.

Satu tile 5000 kali 5000 piksel pada 20 cm yang dilaporkan pengguna memakan 80 menit di CPU, melawan 61 detik di GTX 1660 Ti.

Deepness, Geo SAM, dan GeoAI tidak membuat panggilan jaringan saat model berjalan, jadi citra di bawah larangan unggah tetap di disk Anda.

Mendeteksi setiap bangunan di kota 10 km² berbiaya sekitar $13 di Mapflow, sepersepuluh dari bulan €39 di Pro, dan waktu instal di tiga alat gratis.

Cara saya membandingkan

Lima kriteria: apa yang Anda masukkan ke alat, di mana ia berjalan, apakah citra Anda meninggalkan mesin Anda, berapa biaya pekerjaan nyata, dan berapa lama instalasi. Harga, versi, lisensi, dan nomor issue terbuka dibaca pada 23 Agustus 2026 dari repositori atau dokumentasi masing-masing proyek. Screenshot berasal dari hari yang sama.

Keterbukaan: entri pertama milik kami. Jika citra Anda terikat kebijakan yang melarang unggahan apa pun dan Anda sudah punya file ONNX terlatih, tetap di Deepness. Mode Otomatis kami mendeteksi di server kami, jadi tidak ada yang berubah di sini.

Pertanyaan yang sering ditanyakan

Apakah ada alternatif Deepness yang tidak butuh file ONNX?

Keempat lainnya. Geo SAM dan GeoAI mengambil weights mereka sendiri untuk Anda, dan plugin hosted Mapflow serta AI Segmentation kami menyimpannya di server, jadi tidak ada yang mendarat di disk Anda. Deepness meminta Anda membawa milik sendiri, yang juga membuatnya bisa menjalankan model yang Anda latih sendiri.

Apakah Deepness berjalan di macOS?

Tracker GitHub-nya mencantumkan laporan instalasi macOS, misalnya #209, terbuka per 23 Agustus 2026. Periksa tracker sebelum Anda merencanakan sesuatu di sekitarnya. Geo SAM menangani dependensinya sendiri dan alat yang dihosting hanya butuh plugin, jadi Mac tidak menghentikan satu pun.

Bisakah saya menjalankan deep learning di QGIS tanpa kartu grafis?

Ya. Deepness, Geo SAM, dan GeoAI semuanya fallback ke CPU, dan Deepness bahkan tidak menginstal build GPU di Windows atau macOS. Anda membayar dengan waktu: satu tile yang dilaporkan pengguna memakan 80 menit di CPU melawan 61 detik di GTX 1660 Ti. Tanpa kartu maupun kesabaran, Mapflow dan AI Segmentation kami menghitung di server.

Apakah ada masalah Deepness yang diketahui di QGIS 3.44?

Seorang pengguna melaporkannya di issue #235, terbuka per 23 Agustus 2026: requirements plugin mengunci numpy<2.0.0 dan QGIS 3.44 membawa NumPy 2.4.3, jadi start pertama mencetak A module that was compiled using NumPy 1.x cannot be run in NumPy 2.4.3. Cetak numpy.__version__ di QGIS Python console sebelum Anda menginstal.

Mana yang menjaga citra saya di mesin saya?

Deepness, Geo SAM, dan GeoAI, ketiganya sepenuhnya: tanpa akun, tanpa kunci API, dan tanpa panggilan jaringan saat model berjalan. Mode Semi-Auto kami juga tetap lokal, sementara mode Otomatis kami dan plugin hosted Mapflow mengirim citra di dalam zona Anda ke server, milik kami di Eropa.

Berapa biaya mendeteksi setiap bangunan di kota 10 km²?

Sekitar $13 di Mapflow, dengan 13 kredit per km² di atas basemap Mapbox zoom-18. Di paket Pro kami, €39 per bulan mencakup 100 km², jadi kota itu sepersepuluh bulan. Di tiga alat gratis, area tidak berbiaya apa pun, dan Anda membayar dengan waktu instal dan jam CPU.

Apakah 24 model di zoo Deepness mencakup citra saya?

Model dilatih pada resolusi dari 0,5 hingga 1000 cm per piksel, jadi periksa kolom CM/PX terhadap citra Anda. Halaman itu sendiri menulis bahwa model bukan alat universal.

Apakah hasil Deepness bertahan setelah QGIS ditutup?

Hasil run Deepness mendarat di layer sementara yang hilang bersama proyek. Klik kanan lalu simpan sebagai GeoPackage sebelum menutup apa pun.

Pekerjaan yang lebih sempit punya alat sendiri: Bunting Labs AI Vectorizer menelusuri linework di depan kursor saat Anda mendigitasi manual, SamGeo adalah plugin Segment Anything lokal lain, dan SCP mengklasifikasi tutupan lahan dari area training yang Anda gambar.

Delapan plugin AI dibanding mencakup bidang yang lebih luas, panduan SAM membahas Segment Anything lebih dalam, arti GeoAI membahas istilah yang dipakai untuk menjual kelima alat ini, dan QGIS AI hub memetakan sisanya.

Coba gratis di QGIS, tanpa kartu kredit