Alternative a Deepness per QGIS: 5 plugin a confronto

L'alternativa a Deepness per QGIS più rapida è AI Segmentation, il nostro plugin: disegni una zona, scrivi building e i poligoni tornano indietro, senza nessun file di modello. Deepness, invece, esegue un modello di deep learning su un raster dentro QGIS, tassello dopo tassello, sul tuo computer e gratis.

Deepness lavora a partire da un file ONNX che fornisci tu: scegli un modello dalla pagina della documentazione, lo scarichi e poi lo selezioni nel plugin. Se non hai un file del genere, gli altri strumenti qui sotto partono da input diversi. Deepness è al secondo posto, scritto con le stesse regole degli altri.

Alternative a Deepness per QGIS a colpo d'occhio

1. AI Segmentation

AI Segmentation è nostro, quindi pesa questa voce di conseguenza. Disegni una zona su qualsiasi raster o mappa di base, scrivi una parola come building o solar panel e ogni corrispondenza torna come poligono a sé. Il risultato è un GeoPackage con stile, in cui ogni poligono ha un'etichetta, una classe, un punteggio di confidenza e un'area.

• Ideale per: un geomatico senza modello, senza scheda grafica e senza una serata libera, che ha bisogno di estrarre oggetti da un'immagine oggi stesso.
• Non adatto a: immagini che non possono lasciare il computer, a meno di restare in modalità Semi-Auto, o una classe che conoscono solo le tue etichette.
• Prezzo: gratis per 1,5 km² di rilevamento automatico al mese, senza carta. Pro costa 39 € al mese per 100 km². La modalità Semi-Auto sul tuo computer non ha contatore.
• Dove gira: sui nostri server in Europa per le due modalità cloud, quindi le immagini dentro la tua zona lasciano il computer. La modalità Semi-Auto esegue in locale un piccolo modello e le tiene lì.
• Installazione: il plugin, e nient'altro. Nessun comando pip, nessuna CUDA e nessun peso da scaricare.

Dove vince

• La parola che scrivi è la classe, quindi passare da building a solar panel costa un campo, non un nuovo addestramento.
• I cursori di confidenza e di area filtrano il risultato direttamente, prima dell'esportazione.

Limiti

• Restituisce più di quanto chiedi. Sfiatatoi, lucernari, capanni nei cortili e ombre tornano come poligoni ben delineati che però non sono edifici, quindi sposti i cursori finché spariscono. In un'elaborazione su Parigi si è passati da 635 poligoni a 82, e quegli 82 coprivano ancora l'84% dell'area edificata.

Pagina del prodotto e la guida completa.

Provalo gratis in QGIS, senza carta

2. Deepness

Carica una rete ONNX che fornisci tu, la fa scorrere su un raster in tasselli sovrapposti e scrive il risultato come layer. Supporta segmentazione, rilevamento di oggetti, regressione e super-risoluzione, e sei tu a impostare la dimensione del tassello, la sovrapposizione e la post-elaborazione.

• Ideale per: chi ha un file ONNX già addestrato, o un sensore compatibile con uno dei 24 modelli della pagina del model zoo, e deve tenere le immagini sul computer.
• Pensato per: chi porta il proprio modello ONNX.
• Prezzo: gratis. Nessun account, nessuna chiave API, nessun controllo di licenza nel codice. L'unica chiamata verso l'esterno è il pip install al primo avvio.
• Dove gira: sul tuo computer, con CPU o CUDA. L'installatore scarica la versione per GPU solo su Linux, quindi Windows e macOS ricevono il semplice onnxruntime.
• Installazione: il plugin, poi OpenCV e ONNX Runtime al primo avvio.

Dove vince

• Gira il tuo modello. Funziona qualsiasi ONNX con la forma documentata, addestrato sulle tue etichette, sul tuo sensore e alla tua risoluzione.
• Niente è a consumo, quindi una cittadina di 10 km² e una regione di 1.000 km² costano uguale.
• Apache 2.0 e sottoposto a revisione paritaria su SoftwareX (DOI 10.1016/j.softx.2023.101495), quindi un file di modello bloccato su una versione dà la stessa risposta tra tre anni.

Limiti

• Il modello lo porti tu e imposti tu la sua risoluzione in cm per pixel. Il model zoo elenca 24 modelli addestrati con risoluzioni da 0,5 a 1.000 cm per pixel e avverte che i modelli forniti non sono strumenti universali.
• Le elaborazioni su CPU richiedono più tempo di quelle su GPU. Un utente ha segnalato nella issue #192, 80 minuti su un Ryzen 7 5800X contro 61 secondi su una GTX 1660 Ti. Una macchina, un modello: leggilo come la sua misura, non come un benchmark.

Repository e documentazione. Al 23 agosto 2026 la documentazione viene generata da un ramo più recente non ancora rilasciato, mentre la versione del repository ufficiale dei plugin è la 0.6.5, del 10 dicembre 2024.

3. Geo SAM

Segment Anything dentro QGIS. Fai clic su un punto o trascina un riquadro su un raster, e quell'unico oggetto torna come poligono.

• Ideale per: qualche decina di oggetti da un'immagine locale, senza un file di modello da cercare e senza comandi pip da digitare.
• Pensato per: un oggetto per prompt.
• Prezzo: gratis, MIT.
• Dove gira: sul tuo computer, con o senza scheda grafica. Nessun account.
• Installazione: il plugin. Gestisce da solo le dipendenze e scarica i checkpoint da dentro QGIS.

Dove vince

• È l'unica opzione offline che non richiede alcun file di modello.
• Accetta un file raster o un layer XYZ, WMS o WMTS, quindi funziona anche con una mappa di base.

Limiti

• Il primo prompt su una nuova immagine aspetta che l'intera immagine sia codificata: “da pochi secondi a diversi minuti a seconda delle dimensioni dell'immagine, del modello e dell'hardware”, secondo le sue stesse FAQ, che includono anche una strategia a basso consumo di memoria per quando questo passaggio esaurisce la RAM.

Repository, documentazione e scheda del plugin.

4. GeoAI

Una cassetta degli attrezzi di attività pronte, ciascuna in un pannello ancorabile: segmentazione degli alberi, segmentazione dell'acqua, Segment Anything, segmentazione semantica e per istanze, più un modulo per addestrare il tuo modello. Ogni pannello produce poligoni e maschere.

• Ideale per: chi ha una scheda NVIDIA e una serata a disposizione, e vuole coprire più attività di rilevamento senza dover esportare un file ONNX.
• Nota: SAM 3 richiede una scheda NVIDIA.
• Prezzo: gratis, MIT.
• Dove gira: sul tuo computer. CUDA per la velocità, Apple MPS su Apple Silicon, CPU come ripiego. Nessun account, tranne che per i pesi di SAM 3 serve prima una richiesta di accesso su Hugging Face.
• Installazione: il plugin, più un ambiente PyTorch. La sua stessa pagina dice che può “essere impegnativa a causa delle complicate dipendenze di pytorch/cuda”.

Dove vince

• Più attività in un solo plugin, ciascuna con il suo pannello e nessuna che richiede un file di modello.
• Il modulo di addestramento tiene le tue etichette dentro lo stesso strumento.

Limiti

• SAM 3 richiede una scheda NVIDIA. Senza, restituisce Failed to load model: Torch not compiled with CUDA enabled, mentre gli altri modelli continuano a funzionare.

Documentazione del plugin e repository.

5. Mapflow, di Geoalert

Disegni un'area su una delle loro fonti di immagini, scegli una classe e ottieni layer vettoriali: edifici con altezza facoltativa, strade, campi agricoli, bosco, cantieri.

• Ideale per: una di queste classi già pronte su un'intera città, senza installare nulla e senza scheda grafica.
• Non adatto a: una classe fuori dal loro elenco.
• Prezzo: crediti a 0,10 $ ciascuno. Gli edifici costano 10 crediti per km² e la mappa di base ne aggiunge da 1 a 9, quindi un'elaborazione su una mappa di base Mapbox a zoom 18 costa 13 crediti, circa 1,30 $ per km², e ogni lavoro viene arrotondato a un km² intero. Il piano gratuito dà 250 crediti per al massimo 25 km².
• Dove gira: sul loro servizio ospitato per il plugin QGIS, con un account. Il loro sito elenca anche un'opzione on-premise per i clienti enterprise, che questo articolo non confronta.
• Installazione: solo il plugin.

Dove vince

• Il pannello calcola il costo dell'elaborazione prima che tu la avvii.
• L'altezza degli edifici torna come attributo, cosa che nessun altro strumento qui offre.

Documentazione del plugin e repository.

Confronto affiancato

La colonna dell'installazione è quella che la gente sottovaluta, e lo dice la scheda stessa di Deepness.

Come passare da Deepness a un altro strumento

Esporta prima i tuoi risultati. Un'elaborazione di Deepness finisce in un layer temporaneo in memoria che sparisce con il progetto, quindi fai clic destro sul layer e salvalo come GeoPackage prima di chiudere QGIS.

Il tuo file ONNX non ha casa negli altri quattro. Nessuno di loro carica una rete che hai addestrato tu. Conserva il file e tieni Deepness installato per il giorno in cui un lavoro ne avrà bisogno.

Quello che perdi è l'inferenza offline, ma solo se ripieghi sul plugin ospitato di Mapflow o sulla nostra modalità Automatica, perché entrambi inviano a un server le immagini dentro la tua zona. Geo SAM e GeoAI restano locali, esattamente come Deepness. Quello che guadagni è uguale in tutti e quattro i casi: niente caccia al modello, niente risoluzione in cm/px da digitare, niente pip install al primo avvio.

Cosa tenere a mente

Deepness è l'unico strumento di questa pagina che esegue una rete addestrata da te, ed è l'unica cosa da pesare prima di lasciarlo.

Il model zoo è una pagina di documentazione, quindi il file ONNX arriva a mano e la sua risoluzione la imposti tu.

Un tassello di 5.000 per 5.000 pixel a 20 cm, segnalato da un utente, ha richiesto 80 minuti su CPU, contro 61 secondi su una GTX 1660 Ti.

Deepness, Geo SAM e GeoAI non fanno alcuna chiamata di rete mentre il modello gira, quindi le immagini soggette a un divieto di upload restano sul tuo disco.

Rilevare ogni edificio in una cittadina di 10 km² costa circa 13 $ su Mapflow, un decimo di un mese Pro a 39 €, e il tempo di installazione sui tre strumenti gratuiti.

Come li ho confrontati

Cinque criteri: cosa dai in pasto allo strumento, dove gira, se le immagini lasciano il tuo computer, quanto costa un lavoro reale e quanto dura l'installazione. Prezzi, versioni, licenze e numeri delle issue aperte sono stati letti il 23 agosto 2026 dal repository o dalla documentazione di ciascun progetto. Gli screenshot sono dello stesso giorno.

Trasparenza: la prima voce è nostra. Se le tue immagini sono soggette a una policy che vieta qualsiasi upload e hai già un file ONNX addestrato, resta su Deepness. La nostra modalità Automatica rileva sui nostri server, e nulla qui lo cambia.

Domande frequenti

Esiste un'alternativa a Deepness che non richiede un file ONNX?

Tutte e quattro le altre. Geo SAM e GeoAI scaricano da sole i loro pesi, mentre il plugin ospitato di Mapflow e il nostro AI Segmentation tengono i propri su un server, quindi sul tuo disco non arriva nulla. Deepness ti chiede di portare il tuo modello, ed è anche ciò che gli permette di eseguire un modello addestrato da te.

Deepness funziona su macOS?

Il suo tracker GitHub elenca segnalazioni di installazione su macOS, per esempio la #209, aperta al 23 agosto 2026. Controlla il tracker prima di pianificare. Geo SAM gestisce da solo le dipendenze e gli strumenti in hosting richiedono solo il plugin, quindi un Mac non ne ferma nessuno.

Posso usare il deep learning in QGIS senza scheda grafica?

Sì. Deepness, Geo SAM e GeoAI ripiegano tutti sulla CPU, e Deepness su Windows e macOS non installa nemmeno la versione per GPU. Paghi in tempo: un tassello segnalato da un utente ha richiesto 80 minuti su CPU contro 61 secondi su una GTX 1660 Ti. Se non hai né la scheda né la pazienza, Mapflow e il nostro AI Segmentation calcolano su un server.

Esiste un problema noto di Deepness su QGIS 3.44?

Un utente lo ha segnalato nella issue #235, aperta al 23 agosto 2026: i requisiti del plugin fissano numpy<2.0.0 e QGIS 3.44 include NumPy 2.4.3, quindi al primo avvio è comparso A module that was compiled using NumPy 1.x cannot be run in NumPy 2.4.3. Stampa numpy.__version__ nella Console Python di QGIS prima di installare.

Quale di questi strumenti tiene le immagini sul mio computer?

Deepness, Geo SAM e GeoAI, tutti e tre completamente: nessun account, nessuna chiave API e nessuna chiamata di rete mentre il modello gira. Anche la nostra modalità Semi-Auto resta in locale, mentre la nostra modalità Automatica e il plugin ospitato di Mapflow inviano a un server le immagini dentro la tua zona, il nostro in Europa.

Quanto costa rilevare ogni edificio in una cittadina di 10 km²?

Circa 13 $ su Mapflow, a 13 crediti per km² su una mappa di base Mapbox a zoom 18. Sul nostro piano Pro, 39 € al mese coprono 100 km², quindi quella cittadina vale un decimo di mese. Sui tre strumenti gratuiti l'area non costa nulla, e paghi in tempo di installazione e ore di CPU.

I 24 modelli del model zoo di Deepness coprono le mie immagini?

Sono addestrati con risoluzioni da 0,5 a 1.000 cm per pixel, quindi controlla la colonna CM/PX rispetto alle tue immagini. La pagina stessa avverte che i modelli non sono strumenti universali.

Il risultato di Deepness sopravvive alla chiusura di QGIS?

Un'elaborazione di Deepness finisce in un layer temporaneo in memoria che sparisce con il progetto. Fai clic destro sul layer e salvalo come GeoPackage prima di chiudere qualsiasi cosa.

Per lavori più mirati esistono altri strumenti: Bunting Labs AI Vectorizer traccia le linee davanti al cursore mentre digitalizzi a mano, SamGeo è un altro plugin Segment Anything locale e SCP classifica la copertura del suolo a partire da aree di addestramento che disegni tu.

Gli otto plugin AI a confronto copre il panorama più ampio, la guida a SAM approfondisce Segment Anything e cos'è GeoAI spiega il termine con cui vengono venduti tutti e cinque questi strumenti. L'hub QGIS AI mappa il resto.

Provalo gratis in QGIS, senza carta