Alternatieven voor Deepness: 5 manieren om deep learning op beeldmateriaal in QGIS uit te voeren

Deepness voert op je eigen machine een deep-learningmodel uit op een raster binnen , tegel voor tegel. Het is gratis, gebruikt Apache 2.0 en niets wat je inlaadt verlaat je computer. Het heeft ook geen modelkiezer. Je levert zelf het ONNX-bestand aan. Je opent een documentatiepagina, klikt op een link, downloadt het bestand handmatig uit een universitaire Nextcloud-map en bladert er vervolgens naartoe in de plugin. Mensen gaan op zoek naar iets anders wanneer ze zo'n bestand niet hebben of wanneer de installatie van de afhankelijkheden op hun laptop mislukt.

De vijf tools hieronder bieden vanuit een andere invalshoek dezelfde mogelijkheden. Elke tool is gelinkt en voor elke tool stellen we dezelfde vragen: wat wordt geïnstalleerd, welke hardware is nodig, of het beeldmateriaal je machine verlaat, wat je invoert, wat eruit komt en waar het misgaat.

Wij bouwen hier een van de zes plugins, AI Segmentation. Die van ons beantwoordt dezelfde vragen als de rest, inclusief de vraag waar het misgaat.

Wat Deepness werkelijk is

Deepness laadt een ONNX-neuraal netwerk en schuift het in overlappende tegels over een raster. Daarna schrijft het resultaat terug naar je project als een layer. Het ondersteunt segmentatie, objectdetectie, regressie en superresolutie, en laat je zelf de tegelgrootte, overlap en nabewerking instellen.

Het modelpaneel bestaat uit een tekstvak en een knop Browse. Geen lijst, geen downloadknop en geen galerij binnen QGIS. Je voert de ruimtelijke resolutie zelf in, in centimeter per pixel. Wat terugkomt is een memory layer, dus die sla je zelf op schijf op zodra je tevreden bent.

Je kunt het richten op alles wat QGIS kan tekenen: een orthofoto op schijf of een layer van een online provider zoals Google Satellite. Er is ook een exporttool voor trainingsdata die een raster en een mask in kleine tegels knipt. Dat is het onderdeel dat mensen vergeten.

Niets verlaat je machine. Geen account, geen API key en geen netwerkoproep terwijl het model draait. Iemand las op 23 augustus 2026 de broncode van de plugin en vond elke URL in de code binnen een commentaar. Het enige uitgaande verzoek dat Deepness doet, is de pip install bij de eerste start. Als je werkt met beeldmateriaal van klanten, defensiebeeldmateriaal of iets waarvoor een inkoper goedkeuring moet geven, is dat doorslaggevend. Dit is de ene plek waarop Deepness beter is dan elke gehoste tool hieronder, inclusief die van ons.

Deepness levert zelf geen detectiemogelijkheid. Het is een runner en jij moet het model meenemen. De licentie is Apache 2.0 en het team erachter publiceerde de plugin in SoftwareX, DOI 10.1016/j.softx.2023.101495.

Waar mensen vastlopen

De modelzoo is een pagina met links. Op 23 augustus 2026 stonden er 24 modellen: 9 voor segmentatie, 6 voor objectdetectie, 8 voor superresolutie, 1 voor herkenning en geen enkel model voor regressie. Vijftien daarvan staan in een Nextcloud-map van de Universiteit van Poznan, één bij Fraunhofer en acht in GitHub-releases. Elk model moet handmatig worden gedownload. Hun trainingsresoluties lopen van 0,5 cm per pixel tot 1000. Vlieg je op 20 cm, dan passen ongeveer twee van de zestien taakmodellen bij jouw situatie. Er is geen wereldwijd gebouwenmodel en geen wereldwijd vegetatiemodel. De twee opties voor gebouwen zijn een RampDataset-model op 40 cm per pixel en een landcovermodel waarvan de eigen pagina zegt: "de dataset omvat alleen het gebied van Polen, daarom kunnen de prestaties in andere delen van de wereld minder zijn".

Je voert de resolutie in en niets controleert die. Het vak gebruikt centimeter per pixel, de plugin vertrouwt jouw getal en vergelijkt dat nooit met de layer. Een verkeerde waarde geeft Exception: Unsupported layer units of ValueError: cannot convert float NaN to integer, met de traceback in de Python-console die de meeste QGIS-gebruikers nooit openen. In issue #183 schreef een maintainer dat "het de moeite waard is om een sanity check aan de code toe te voegen om een betekenisvolle foutmelding te maken". Op 23 augustus 2026 stond die controle nog steeds niet in de code. De stille fout kost meer dan de crash. In discussion #176 vond een gebruiker helemaal niets totdat hij, in zijn eigen woorden, "tegen de plugin loog en zei dat de pixels 10 cm waren".

Eén gebruiker heeft de snelheid gemeten. In issue #192, geopend sinds 15 november 2024, draaide een gebruiker een model uit de zoo op een orthofototegel van 5000 bij 5000 pixels op 20 cm, met een Ryzen 7 5800X en een GTX 1660 Ti. De CPU deed er 80 minuten over. Op de grafische kaart duurde dezelfde tegel 61 seconden. Eén machine, één model en één tegel. Lees dit dus als zijn meting en niet als een benchmark. Het is nog steeds het dichtst bij een gepubliceerd antwoord op de vraag: "kan ik dit op de kantoorlaptop doen?"

CPU werkt en CUDA is een Linux-verhaal. Een machine zonder grafische kaart kan Deepness draaien, omdat ONNX Runtime vanzelf terugvalt op de CPU. De installer haalt alleen op Linux de GPU-build op. Op Windows en macOS installeert hij gewone onnxruntime. De maintainer schreef hetzelfde in issue #192: "Op Windows zijn we er niet in geslaagd het met GPU te draaien en het is ingewikkelder, dus Deepness installeert alleen onnxruntime in plaats van onnxruntime-gpu."

De installatie van afhankelijkheden is de gebruikelijke muur. Deepness installeert OpenCV en ONNX Runtime via pip wanneer je de plugin voor het eerst opent. macOS faalt al sinds #54 op 20 oktober 2022, en #209 staat op Sequoia nog steeds open. De maintainer antwoordde: "Helaas hebben we geen macOS om op te testen." Op QGIS 3.44 meldt #235 A module that was compiled using NumPy 1.x cannot be run in NumPy 2.4.3, omdat de plugin nog steeds numpy<2.0.0 vastzet terwijl QGIS NumPy 2.4.3 meelevert. Achter een bedrijfsproxy stopt #197 bij certificate verify failed: self-signed certificate in certificate chain, gevolgd door ERROR: No matching distribution found for opencv-python. Toen het bij mij werkte, duurde het ongeveer twintig minuten. Bij mijn eerste poging mislukte het zowel op een Mac als op een Windows-machine.

Er is geen annuleerknop. Issue #230, geopend op 14 januari 2026 en nog steeds open. Zodra een run begint, wacht je tot hij klaar is.

De documentatie en de plugin zijn twee verschillende dingen. De documentatiesite wordt gebouwd vanaf een branch die nooit is uitgebracht. De plugin die je uit de QGIS-marketplace installeert is 0.6.5, geüpload op 10 december 2024.

Niets hiervan maakt Deepness een slechte tool. Het maakt het een tool voor iemand die al een getraind model heeft en over een Python-omgeving beschikt die zich voorspelbaar gedraagt.

De alternatieven

1. Deepness, de basislijn

• Installatie. Pluginmanager, daarna OpenCV en ONNX Runtime bij de eerste start. Ongeveer twintig minuten wanneer het werkt, en op macOS mislukt het al sinds oktober 2022.
• Draait op. Je eigen machine, CPU of CUDA. De GPU-build wordt in de praktijk alleen op Linux geïnstalleerd. Geen account, geen API key en geen netwerkoproep zodra het draait.
• In en uit. Elke raster layer, inclusief een XYZ- of WMS-basemap, plus een ONNX-bestand dat je handmatig hebt gedownload. Als uitvoer krijg je een memory layer die je zelf opslaat.
• Kosten. Gratis, Apache 2.0, gepubliceerd in SoftwareX onder DOI 10.1016/j.softx.2023.101495.
• Waar het misgaat. Buiten de trainingsdata van het model dat je hebt geladen. Een gebouwenmodel dat op 40 cm per pixel is getraind, leest geen dronevlucht op 5 cm, en de plugin kan je daar niet voor waarschuwen. Voer de verkeerde resolutie in en hij crasht of vindt niets.

Repository en documentatie.

2. Geo SAM

• Installatie. Pluginmanager. De plugin beheert zijn eigen afhankelijkheden en downloadt de modelcheckpoints vanuit QGIS, dus je hoeft geen pip-commando's in te voeren.
• Draait op. Je eigen machine, met GPU-versnelling standaard ingeschakeld en een werkend CPU-pad. Geen account.
• In en uit. Een rasterbestand of een XYZ-, WMS- of WMTS-layer. Als uitvoer krijg je één polygoon per prompt, via een klik of een kader.
• Kosten. Gratis, MIT.
• Waar het misgaat. De eerste prompt op een nieuwe afbeelding is traag, omdat de afbeelding moet worden gecodeerd voordat klikken snel werkt. De FAQ zegt dat dit "afhankelijk van de afbeeldingsgrootte, het model en de hardware enkele seconden tot enkele minuten" kan duren. De pagina over encoding biedt ook een Low Memory-strategie voor wanneer je out-of-memory-fouten krijgt. Daarnaast geeft de plugin één object per keer terug, dus voor een hele buurt is dit de verkeerde tool.

Repository, documentatie, pluginvermelding.

3. GeoAI

• Installatie. Pluginmanager, plus daaronder een PyTorch-omgeving. De eigen pagina van het project zegt dat de installatie "uitdagend kan zijn door de ingewikkelde pytorch/cuda-afhankelijkheden". Bij mijn eerste poging mislukte het zowel op een Mac als op een Windows-machine, dus trek er een avond voor uit.
• Draait op. Je eigen machine. CUDA voor snelheid, Apple MPS op Apple Silicon en CPU als fallback. Geen account, behalve dat je voor SAM 3-gewichten eerst een toegangsverzoek bij Hugging Face nodig hebt.
• In en uit. Een raster layer. Als uitvoer krijg je polygonen en masks, met één dockable paneel per taak: boomsegmentatie, watersegmentatie, Segment Anything, semantische en instance-segmentatie.
• Kosten. Gratis, MIT.
• Waar het misgaat. SAM 3 heeft een NVIDIA-GPU nodig. Op een machine die alleen CPU gebruikt geeft de plugin Failed to load model: Torch not compiled with CUDA enabled terug, en de eigen pagina zegt dat voordat je begint. De andere modellen blijven werken.

Plugindocumentatie en repository.

4. Mapflow, van Geoalert

• Installatie. Pluginmanager en daarna inloggen. Verder niets en geen grafische kaart.
• Draait op. Hun servers. Je hebt een account nodig en het beeldmateriaal verlaat bij elke run je machine, omdat de plugin geen inferentiebibliotheek meelevert.
• In en uit. Een gebied dat je tekent, boven een van hun bronnen voor beeldmateriaal. Als uitvoer krijg je vector layers: gebouwen met optionele hoogte, wegen, landbouwvelden, bos en bouwplaatsen.
• Kosten. Gebouwen kosten 10 credits per vierkante kilometer à $0.10 per credit, naar boven afgerond op hele vierkante kilometers. Een stad van 10 km² kost dus ongeveer $10. Het gratis plan geeft 250 credits voor maximaal 25 km², maar exporteren is geblokkeerd. Je kunt de layer bekijken, maar niet mee naar huis nemen.
• Waar het misgaat. Rijwoningen. Aangrenzende huizen in een rij worden één polygoon. Dat is zichtbaar op hun eigen screenshots en achteraf splitsen kost meer dan de run heeft bespaard.

Plugindocumentatie en repository.

5. Bunting Labs AI Vectorizer

• Installatie. Pluginmanager en daarna een account. Geen grafische kaart.
• Draait op. Hun servers. Het beeldmateriaal rond je cursor wordt verstuurd terwijl je tekent.
• In en uit. Het raster waarover je aan het traceren bent. Als uitvoer komt geometrie in de layer die je al in bewerkingsmodus hebt geopend, vertex voor vertex vóór de cursor.
• Kosten. $29 per seat per maand, met een limiet van 120 completions per dag. Daarna kost het $99 per seat, zonder limiet en zonder gegevensbewaring. Er is geen gratis niveau.
• Waar het misgaat. De plugin geeft nooit elke match binnen een gebied terug, omdat hij alleen het beeldmateriaal rond je cursor ziet. Voor vijftig gebouwen klik je nog steeds vijftig keer, alleen telkens sneller.

Documentatie.

6. AI Segmentation, van ons

• Installatie. Pluginmanager en daarna een account. Geen download van gewichten, geen Python-omgeving en geen grafische kaart. QGIS 3.22 en hoger.
• Draait op. Onze servers in Europa voor de twee cloudmodi, dus het beeldmateriaal verlaat daar je machine. Semi-Auto draait een klein model lokaal en houdt het beeldmateriaal op je machine.
• In en uit. Een zone die je boven elk raster of elke basemap tekent, plus een woord zoals building of solar panel. Als uitvoer krijg je een gestileerde GeoPackage, één polygoon per object, elk met een label, een klasse, een betrouwbaarheidswaarde en een oppervlakte.
• Kosten. Elke maand 3 km² automatische detectie gratis, zonder kaart. Voor een stad van 10 km² heb je Pro nodig, voor €39 per maand voor 300 km². Semi-Auto op je eigen machine heeft geen teller.
• Waar het misgaat. De plugin geeft meer terug dan je hebt gevraagd. Ventilatieopeningen, dakramen, schuurtjes op binnenplaatsen en schaduwen komen terug als echte, correct omlijnde polygonen die geen gebouwen zijn. Je verschuift de sliders voor betrouwbaarheid en oppervlakte totdat het klopt. In één run in Parijs bracht dat 635 polygonen terug naar 82, en die 82 bevatten nog steeds 84% van de bebouwde oppervlakte. Een veldrand die vervaagt in struikgewas is de plek waar de plugin aarzelt, op dezelfde plek als jij.

Productpagina.

Probeer gratis in QGIS, zonder kaart

Naast elkaar

Hoe je kiest

• Je hebt een ONNX-bestand of een van de 24 modellen uit de zoo past bij jouw sensor en resolutie. Blijf bij Deepness en controleer je NumPy-versie voordat je een bug meldt.
• Je wilt SAM lokaal gebruiken en hebt nog nooit iets getraind. Kies Geo SAM voor één object per keer zonder configuratie, of GeoAI voor de ruimste keuze aan taken als je een NVIDIA-kaart en een avond hebt.
• Je hebt een kantoorlaptop en geen tijd voor installatie. Kies Mapflow of onze AI Segmentation. Beide draaien het model op een server en hebben alleen de plugin nodig.
• Je brengt lijnwerk met de hand in plaats van objecten over een gebied te detecteren. Kies Bunting Labs.

Beantwoord één vraag voordat je de andere vragen stelt. Mag het beeldmateriaal je machine verlaten? Als het antwoord nee is, vallen Mapflow, Bunting Labs en beide cloudmodi van onze plugin af. Dan blijven Deepness, Geo SAM en GeoAI over.

De acht AI-plugins vergeleken behandelt het bredere veld, en de SAM-gids gaat dieper in op welke plugin welke versie van Segment Anything draait.