Deepness-alternatieven voor QGIS: 5 gratis en betaald

De snelste Deepness-vervanger is AI Segmentation, de onze: teken een zone, typ building, en de polygonen komen terug zonder ergens een modelbestand. Deepness zelf draait een deep-learningmodel over een raster binnen QGIS, tegel per tegel, op je eigen machine, gratis.

Deepness werkt met een ONNX-bestand dat je zelf aanlevert: je kiest een model op de documentatiepagina, downloadt het en bladert ernaartoe in de plugin. Heb je zo'n bestand niet, dan beginnen de andere tools hieronder vanuit andere invoer. Deepness staat op nummer twee, op dezelfde punten beoordeeld als de rest.

Vergelijking in één oogopslag

1. AI Segmentation

AI Segmentation is de onze, dus weeg deze bespreking daarnaar. Teken een zone over een raster of basiskaart, typ een woord zoals building of solar panel, en elke match komt terug als een eigen polygoon. De uitvoer is een opgemaakte GeoPackage, waarbij elke polygoon een label, een klasse, een betrouwbaarheidsscore en een oppervlakte draagt.

• Beste voor: een geomaticus zonder model, zonder grafische kaart en zonder vrije avond, die vandaag objecten uit een beeld nodig heeft.
• Niet voor: beelden die de machine niet mogen verlaten, tenzij je in Semi-Auto blijft, of een klasse die alleen je eigen labels kennen.
• Prijs: gratis voor 1,5 km² automatische detectie per maand, geen creditcard. Pro is € 39 per maand voor 100 km². Semi-Auto op je eigen machine heeft geen teller.
• Draait op: onze servers in Europa voor de twee cloudmodi, dus de beelden binnen je zone verlaten je machine wel. Semi-Auto draait lokaal een klein model en houdt ze daar.
• Installatie: de plugin, en daarna niets. Geen pip-opdracht, geen CUDA en geen gewichten om op te halen.

Waar hij wint

• Het woord dat je typt is de klasse, dus van building naar solar panel kost één veld, geen hertraining.
• Schuiven voor betrouwbaarheid en oppervlakte filteren het resultaat ter plekke, vóór export.

Limieten

• Hij geeft meer terug dan je vroeg. Ventilatiepijpen, dakramen, schuurtjes op de binnenplaats en schaduwen komen terug als correct omlijnde polygonen die geen gebouwen zijn, dus je sleept met de schuiven tot ze weg zijn. In één Parijse uitvoering ging dat van 635 polygonen naar 82, en die 82 bevatten nog steeds 84% van het bebouwde oppervlak.

Productpagina en de complete gids.

Probeer het gratis in QGIS, geen creditcard nodig

2. Deepness

Hij laadt een ONNX-netwerk dat je aanlevert, schuift het in overlappende tegels over een raster en schrijft het resultaat terug als een laag. Segmentatie, objectdetectie, regressie en superresolutie, en je stelt zelf de tegelgrootte, de overlap en de nabewerking in.

• Beste voor: iemand met een getraind ONNX-bestand, of een sensor die past bij een van de 24 modellen op de zoopagina, wiens beelden op de machine moeten blijven.
• Gemaakt voor: mensen die hun eigen ONNX-model meebrengen.
• Prijs: gratis. Geen account, geen API-sleutel, geen licentiecheck ergens in de code. De enige uitgaande aanroep is de pip install bij de eerste start.
• Draait op: je eigen machine, CPU of CUDA. Het installatieprogramma haalt de GPU-build alleen op Linux op, dus Windows en macOS krijgen gewoon onnxruntime.
• Installatie: de plugin, daarna OpenCV en ONNX Runtime bij de eerste start.

Waar hij wint

• Je eigen model draait. Elke ONNX die past bij de gedocumenteerde vorm werkt, getraind op je eigen labels, je sensor, je resolutie.
• Niets wordt gemeten, dus een stad van 10 km² en een regio van 1.000 km² kosten hetzelfde.
• Apache 2.0 en peer-reviewed in SoftwareX (DOI 10.1016/j.softx.2023.101495), dus een vastgepind modelbestand geeft over drie jaar hetzelfde antwoord.

Limieten

• Je brengt zelf het model mee en stelt de resolutie in cm per pixel in. De zoo-pagina vermeldt 24 modellen, getraind op resoluties van 0,5 tot 1000 cm per pixel, en merkt op dat de meegeleverde modellen geen universele tools zijn.
• CPU-runs duren langer dan GPU-runs. Een gebruiker meldde in issue #192 één tegel van 5000 bij 5000 pixels op 20 cm: 80 minuten op een Ryzen 7 5800X tegen 61 seconden op een GTX 1660 Ti. Eén machine, één model, dus lees het als zijn meting, geen benchmark.

Repository en documentatie. Op 23 augustus 2026 worden de docs gebouwd vanaf een nieuwere, nog niet uitgebrachte branch, terwijl de pluginrepository je versie 0.6.5 geeft, van 10 december 2024.

3. Geo SAM

Segment Anything binnen QGIS. Klik op een punt of sleep een kader op een raster, en dat ene object komt terug als een polygoon.

• Beste voor: enkele tientallen objecten van een lokaal beeld, zonder modelbestand om te zoeken en zonder pip-opdracht om te typen.
• Gemaakt voor: één object per prompt.
• Prijs: gratis, MIT.
• Draait op: je eigen machine, met of zonder grafische kaart. Geen account.
• Installatie: de plugin. Hij beheert zijn eigen afhankelijkheden en haalt zijn checkpoints op vanuit QGIS.

Waar hij wint

• De enige offline optie die helemaal geen modelbestand vraagt.
• Hij neemt een rasterbestand of een XYZ-, WMS- of WMTS-laag, dus een basiskaart werkt.

Limieten

• De eerste prompt op een nieuw beeld wacht terwijl het hele beeld wordt gecodeerd, "van enkele seconden tot enkele minuten afhankelijk van de beeldgrootte, het model en de hardware" volgens zijn eigen FAQ, die ook een strategie voor weinig geheugen meelevert voor als die stap het RAM opmaakt.

Repository, documentatie en plugin-vermelding.

4. GeoAI

Een toolbox met kant-en-klare taken, elk een dockbaar paneel: boomsegmentatie, watersegmentatie, Segment Anything, semantische en instantiesegmentatie, plus een trainer voor je eigen model. Elk paneel voert polygonen en maskers uit.

• Beste voor: iemand met een NVIDIA-kaart en een avond tijd, die meerdere detectietaken gedekt wil hebben zonder ONNX-bestand om te exporteren.
• Let op: SAM 3 heeft een NVIDIA-kaart nodig.
• Prijs: gratis, MIT.
• Draait op: je eigen machine. CUDA voor snelheid, Apple MPS op Apple Silicon, CPU als terugval. Geen account, behalve dat de SAM 3-gewichten eerst een Hugging Face-toegangsverzoek nodig hebben.
• Installatie: de plugin, plus een PyTorch-omgeving. Zijn eigen pagina zegt dat dit "uitdagend kan zijn vanwege de ingewikkelde pytorch/cuda-afhankelijkheden".

Waar hij wint

• Meerdere taken in één plugin, elk met een eigen paneel, geen enkele met een modelbestand nodig.
• De trainer houdt je eigen labels binnen dezelfde tool.

Limieten

• SAM 3 heeft een NVIDIA-kaart nodig. Zonder kaart geeft hij Failed to load model: Torch not compiled with CUDA enabled terug, en de andere modellen draaien nog wel.

Plugin-documentatie en repository.

5. Mapflow, door Geoalert

Teken een gebied over een van hun beeldbronnen, kies een klasse, en vectorlagen komen terug: gebouwen met optionele hoogte, wegen, landbouwpercelen, bos, bouwplaatsen.

• Beste voor: een van die kant-en-klare klassen over een hele stad, zonder iets te installeren en zonder grafische kaart.
• Niet voor: een klasse buiten hun lijst.
• Prijs: credits tegen $ 0,10 per stuk. Gebouwen zijn 10 credits per km² en de basiskaart voegt er 1 tot 9 toe, dus een uitvoering op een Mapbox zoom-18-basiskaart kost 13 credits, ongeveer $ 1,30 per km², en elke klus wordt naar boven afgerond op een hele km². Het gratis abonnement geeft 250 credits over maximaal 25 km².
• Draait op: hun gehoste dienst voor de QGIS plugin, met een account. Hun site noemt ook een on-premise optie voor enterprise-klanten, die dit artikel niet vergelijkt.
• Installatie: alleen de plugin.

Waar hij wint

• Het paneel prijst de uitvoering voor je hem start.
• Gebouwhoogte komt terug als attribuut, wat geen enkele andere tool hier biedt.

Plugin-documentatie en repository.

Naast elkaar

De installatiekolom is degene die mensen onderschatten, en de Deepness-vermelding zegt precies dat.

Zo stap je over van Deepness

Exporteer eerst je resultaten. Het resultaat van een Deepness-uitvoering belandt in een tijdelijke laag die sterft met het project, dus klik er met rechts op en sla die op als GeoPackage voor je QGIS sluit.

Je ONNX-bestand heeft geen thuis in de andere vier. Geen van hen laadt een netwerk dat je hebt getraind. Bewaar het bestand, en houd Deepness geïnstalleerd voor de dag dat een klus het nodig heeft.

Wat je verliest is offline inferentie, maar alleen als je bij de gehoste plugin van Mapflow of onze Automatische modus uitkomt, want beide sturen de beelden binnen je zone naar een server. Geo SAM en GeoAI blijven lokaal, precies zoals Deepness. Wat je wint is in alle vier de gevallen hetzelfde: geen modeljacht, geen resolutie in cm/px om te typen, geen pip install bij de eerste start.

Wat te onthouden

Deepness is de enige tool op deze pagina die een netwerk draait dat je zelf hebt getraind, en dat is het ene punt om mee te wegen voor je vertrekt.

De modelzoo is een documentatiepagina, dus het ONNX-bestand komt er handmatig en je stelt de resolutie zelf in.

Eén door een gebruiker gemelde tegel van 5000 bij 5000 pixels op 20 cm duurde 80 minuten op een CPU, tegen 61 seconden op een GTX 1660 Ti.

Deepness, Geo SAM en GeoAI doen geen netwerkoproep terwijl het model draait, dus beelden met een uploadverbod blijven op je schijf.

Elk gebouw in een stad van 10 km² detecteren kost ongeveer $ 13 op Mapflow, een tiende van een maand van € 39 op Pro, en installatietijd op de drie gratis tools.

Hoe ik ze heb vergeleken

Vijf criteria: wat je de tool voert, waar hij draait, of je beelden je machine verlaten, wat een echte klus kost en hoe lang de installatie duurt. Prijzen, versies, licenties en open issuenummers zijn op 23 augustus 2026 gelezen uit de eigen repository of documentatie van elk project. De screenshots zijn van dezelfde dag.

Transparantie: nummer één is de onze. Als je beelden vallen onder beleid dat elke upload verbiedt en je al een getraind ONNX-bestand hebt, blijf bij Deepness. Onze Automatische modus detecteert op onze servers, dus daar verandert hier niets aan.

Vragen die mensen stellen

Is er een Deepness-alternatief dat geen ONNX-bestand nodig heeft?

Alle vier de anderen. Geo SAM en GeoAI halen hun eigen gewichten voor je op, en de gehoste plugin van Mapflow en onze AI Segmentation houden die van hen op een server, dus er belandt niets op je schijf. Deepness vraagt je om je eigen mee te brengen, en dat is ook waardoor hij een model kan draaien dat je zelf hebt getraind.

Werkt Deepness op macOS?

Hun GitHub-tracker vermeldt installatiemeldingen voor macOS, bijvoorbeeld #209, open op 23 augustus 2026. Controleer de tracker voordat je er rekening mee houdt. Geo SAM regelt zijn eigen afhankelijkheden en de gehoste tools hebben alleen de plugin nodig, dus een Mac houdt geen van hen tegen.

Kan ik deep learning draaien in QGIS zonder grafische kaart?

Ja. Deepness, Geo SAM en GeoAI vallen allemaal terug op de CPU, en Deepness installeert de GPU-build niet eens op Windows of macOS. Je betaalt in tijd: één door een gebruiker gemelde tegel duurde 80 minuten op een CPU tegen 61 seconden op een GTX 1660 Ti. Zonder kaart en zonder geduld rekenen Mapflow en onze AI Segmentation op een server.

Is er een bekend Deepness-probleem op QGIS 3.44?

Een gebruiker meldde het in issue #235, open op 23 augustus 2026: de requirements van de plugin pinnen numpy<2.0.0 en QGIS 3.44 levert NumPy 2.4.3 mee, dus de eerste start printte A module that was compiled using NumPy 1.x cannot be run in NumPy 2.4.3. Print numpy.__version__ in de QGIS Python-console voor je installeert.

Welke hiervan houdt mijn beelden op mijn machine?

Deepness, Geo SAM en GeoAI, alle drie volledig: geen account, geen API-sleutel en geen netwerkoproep terwijl het model draait. Onze Semi-Auto-modus blijft ook lokaal, terwijl onze Automatische modus en de gehoste plugin van Mapflow de beelden binnen je zone naar een server sturen, de onze in Europa.

Wat kost het om elk gebouw in een stad van 10 km² te detecteren?

Ongeveer $ 13 op Mapflow, tegen 13 credits per km² op een Mapbox zoom-18-basiskaart. Met ons Pro-abonnement dekt € 39 per maand 100 km², dus die stad is een tiende van een maand. Op de drie gratis tools kost het gebied niets, en je betaalt in installatietijd en CPU-uren.

Dekken de 24 modellen in de Deepness-zoo mijn beelden?

Ze zijn getraind op resoluties van 0,5 tot 1000 cm per pixel, dus vergelijk de kolom CM/PX met je beelden. De pagina zegt zelf dat de modellen geen universele tools zijn.

Blijft een Deepness-resultaat bewaard als ik QGIS sluit?

Het resultaat van een Deepness-uitvoering belandt in een tijdelijke laag die sterft met het project. Klik er met rechts op en sla die op als GeoPackage voor je iets sluit.

Kleinere klussen hebben hun eigen tools: Bunting Labs AI Vectorizer trekt lijnwerk voor je cursor uit terwijl je met de hand digitaliseert, SamGeo is een andere lokale Segment Anything-plugin, en SCP classificeert bodembedekking uit trainingsgebieden die je tekent.

De acht AI-plugins vergeleken dekt het bredere veld, de SAM-gids gaat dieper op Segment Anything in, en de QGIS AI hub brengt de rest in kaart.

Probeer het gratis in QGIS, geen creditcard nodig