Alternativas ao Deepness no QGIS: 5 grátis e pagas
Publicado em Atualizado em
O substituto mais rápido do Deepness é o AI Segmentation, o nosso: desenhe uma área, digite building, e os polígonos voltam sem nenhum arquivo de modelo. O próprio Deepness executa um modelo de deep learning sobre um raster dentro de QGIS, por blocos, na sua própria máquina, de graça.
, por blocos, na sua própria máquina, de graça.O Deepness trabalha com um arquivo ONNX que você fornece: você escolhe um modelo na página de documentação, baixa o arquivo e depois indica o caminho no plugin. Se você não tem esse arquivo, as outras ferramentas abaixo partem de entradas diferentes. O Deepness está em segundo lugar, avaliado com os mesmos critérios que os demais.
Comparativo rápido
| Ferramenta | Ideal para | Preço | Executa em | Plano gratuito |
|---|---|---|---|---|
| AI Segmentation (o nosso) | Qualquer objeto que você puder nomear, em uma área, sem nada para instalar | 1,5 km² por mês grátis, € 39 por 100 km² | Nossos servidores, ou sua máquina no Semi-Auto | 1,5 km² por mês, sem cartão |
| Deepness | Um modelo que você já tem, em imagens que precisam ficar onde estão | Grátis, Apache 2.0 | Sua máquina | Tudo, sem conta |
| Geo SAM | Algumas dezenas de objetos clicados um por vez, offline | Grátis, MIT | Sua máquina | Tudo, sem conta |
| GeoAI | Copas de árvores, máscaras de água e seu próprio treinamento, em placa NVIDIA | Grátis, MIT | Sua máquina | Tudo, sem conta |
| Mapflow | Edificações, estradas e talhões como produtos prontos sobre uma cidade | Cerca de $1,30 por km² para edificações | Servidores deles | 250 créditos, em até 25 km² |
1. AI Segmentation
O AI Segmentation é nosso, então considere isso ao ler esta seção. Desenhe uma área sobre qualquer raster ou mapa base, digite uma palavra como building ou solar panel, e cada correspondência volta como seu próprio polígono. A saída é um GeoPackage estilizado, cada polígono com rótulo, classe, pontuação de confiança e área.
- Ideal para: um profissional de geoprocessamento sem modelo, sem placa de vídeo e sem noite livre, que precisa extrair objetos de uma imagem hoje.
- Não serve para: imagens que não podem sair da máquina, a menos que você fique no Semi-Auto, ou uma classe que só seus próprios rótulos conhecem.
- Preço: grátis para 1,5 km² de detecção automática por mês, sem cartão. O Pro custa € 39 por mês por 100 km². O Semi-Auto na sua própria máquina não tem contador.
- Executa em: nossos servidores na Europa para os dois modos em nuvem, então as imagens dentro da sua área saem da sua máquina. O Semi-Auto executa um modelo pequeno localmente e o mantém ali.
- Instalação: o plugin, e nada depois dele. Sem comando pip, sem CUDA e sem pesos para baixar.
Onde vence
- A palavra que você digita é a classe, então ir de
buildingasolar panelcusta um campo, não um novo treinamento. - Os controles de confiança e área filtram o resultado no local, antes da exportação.
Limites
- Ele retorna mais do que você pediu. Respiros, claraboias, barracões de pátio e sombras voltam como polígonos corretamente delineados que não são edificações, então você arrasta os controles até eles sumirem. Em uma execução em Paris, isso levou de 635 polígonos para 82, e esses 82 ainda mantinham 84% da área construída.
Página do produto e o guia completo.
Experimente gratuitamente no QGIS, sem cartão
2. Deepness
Ele carrega uma rede ONNX que você fornece, desliza sobre um raster em blocos sobrepostos e grava o resultado de volta como uma camada. Segmentação, detecção de objetos, regressão e super-resolução, e você define o tamanho do bloco, a sobreposição e o pós-processamento.
- Ideal para: alguém com um arquivo ONNX treinado, ou um sensor compatível com um dos 24 modelos da página do zoo, cujas imagens precisam ficar na máquina.
- Feito para: quem traz o próprio modelo ONNX.
- Preço: grátis. Sem conta, sem API key, sem verificação de licença em qualquer parte do código. A única chamada externa é o
pip installna primeira inicialização. - Executa em: sua máquina, CPU ou CUDA. O instalador só baixa a versão GPU no Linux, então Windows e macOS ficam com o
onnxruntimesimples. - Instalação: o plugin, depois OpenCV e ONNX Runtime na primeira inicialização.
Onde vence
- Seu próprio modelo funciona. Qualquer ONNX no formato documentado funciona, treinado com seus rótulos, seu sensor, sua resolução.
- Nada é medido, então uma cidade de 10 km² e uma região de 1.000 km² custam o mesmo.
- Apache 2.0 e revisado por pares no SoftwareX (DOI 10.1016/j.softx.2023.101495), então um arquivo de modelo fixo dá a mesma resposta em três anos.
Limites
- Você traz o modelo e define a resolução dele em cm por pixel. A página do zoo lista 24 modelos, treinados em resoluções de 0,5 a 1000 cm por pixel, e observa que os modelos fornecidos não são ferramentas universais.
- As execuções na CPU levam mais tempo que na GPU. Um usuário relatou um bloco de 5000 por 5000 pixels a 20 cm em issue #192, 80 minutos em um Ryzen 7 5800X contra 61 segundos em uma GTX 1660 Ti. Uma máquina, um modelo, então leia como a medição dele, não como um benchmark.
Repositório e documentação. Em 23 de agosto de 2026, a documentação é gerada a partir de um branch mais novo e não lançado, enquanto a versão do marketplace é a 0.6.5, de 10 de dezembro de 2024.
3. Geo SAM
Segment Anything dentro do QGIS. Clique em um ponto ou arraste uma caixa sobre um raster, e aquele objeto volta como um polígono.
- Ideal para: algumas dezenas de objetos de uma imagem local, sem arquivo de modelo para procurar e sem comando pip para digitar.
- Feito para: um objeto por prompt.
- Preço: grátis, MIT.
- Executa em: sua máquina, com ou sem placa de vídeo. Sem conta.
- Instalação: o plugin. Ele gerencia as próprias dependências e baixa seus checkpoints de dentro do QGIS.
Onde vence
- A única opção offline que não pede nenhum arquivo de modelo.
- Aceita um arquivo raster ou uma camada XYZ, WMS ou WMTS, então um mapa base funciona.
Limites
- O primeiro prompt em uma imagem nova espera enquanto a imagem inteira é codificada, "from a few seconds to several minutes depending on the image size, model, and hardware" segundo o próprio FAQ, que também traz uma estratégia de pouca memória para quando essa etapa esgota a RAM.
Repositório, documentação e lista do plugin.
4. GeoAI
Uma caixa de ferramentas com tarefas prontas, cada uma em um painel acoplável: segmentação de árvores, segmentação de água, Segment Anything, segmentação semântica e por instâncias, além de um treinador para seu próprio modelo. Cada painel gera polígonos e máscaras.
- Ideal para: alguém com placa NVIDIA e uma noite livre, que quer várias tarefas de detecção cobertas sem arquivo ONNX para exportar.
- Nota: o SAM 3 precisa de placa NVIDIA.
- Preço: grátis, MIT.
- Executa em: sua máquina. CUDA para velocidade, Apple MPS em Apple Silicon, CPU como alternativa. Sem conta, exceto que os pesos do SAM 3 exigem uma solicitação de acesso no Hugging Face antes.
- Instalação: o plugin, mais um ambiente PyTorch. A própria página diz que isso "can be challenging due to the complicated pytorch/cuda dependencies".
Onde vence
- Várias tarefas em um plugin, cada uma com seu próprio painel, nenhuma precisando de arquivo de modelo.
- O treinador mantém seus próprios rótulos dentro da mesma ferramenta.
Limites
- O SAM 3 precisa de placa NVIDIA. Sem ela, retorna
Failed to load model: Torch not compiled with CUDA enabled, e os outros modelos continuam funcionando.
Documentação do plugin e repositório.
5. Mapflow, by Geoalert
Desenhe uma área sobre uma das fontes de imagens deles, escolha uma classe, e camadas vetoriais voltam: edificações com altura opcional, estradas, talhões agrícolas, floresta, canteiros de obras.
- Ideal para: uma dessas classes prontas sobre uma cidade inteira, sem nada para instalar e sem placa de vídeo.
- Não serve para: uma classe fora da lista deles.
- Preço: créditos a $0,10 cada. Edificações custam 10 créditos por km² e o mapa base soma de 1 a 9, então uma execução em mapa base Mapbox zoom-18 custa 13 créditos, cerca de $1,30 por km², e cada trabalho arredonda para um km² inteiro. O plano gratuito dá 250 créditos em até 25 km².
- Executa em: o serviço hospedado deles para o plugin QGIS, com uma conta. O site também lista uma opção on-premise para clientes corporativos, que este artigo não compara.
- Instalação: apenas o plugin.
Onde vence
- O painel mostra o preço da execução antes de você começar.
- A altura das edificações volta como atributo, o que nenhuma outra ferramenta aqui oferece.
Documentação do plugin e repositório.
Lado a lado
| Ferramenta | O que você fornece | Instalação | GPU | Conta | As imagens saem da máquina | Uma cidade de 10 km² |
|---|---|---|---|---|---|---|
| AI Segmentation (o nosso) | Uma área que você desenha, mais uma palavra | Somente o plugin | Não | Sim | Só nos dois modos em nuvem | Um décimo de um mês de € 39 |
| Deepness | Qualquer camada raster, mais um arquivo ONNX | Plugin, depois OpenCV e ONNX Runtime | Opcional, Linux apenas na prática | Não | Não | Grátis, pago em horas de CPU |
| Geo SAM | Um arquivo raster, ou uma camada XYZ, WMS ou WMTS | Plugin, dependências gerenciadas | Opcional | Não | Não | Grátis, um clique por objeto |
| GeoAI | Uma camada raster | Plugin, mais um ambiente PyTorch | Recomendado, NVIDIA para SAM 3 | Não | Não | Grátis, pago em tempo de instalação |
| Mapflow | Uma área que você desenha sobre as imagens deles | Somente o plugin | Não | Sim | Sim, com o plugin hospedado | Cerca de $13 |
A coluna de instalação é a que as pessoas mais subestimam, e a página do Deepness diz exatamente isso.
Como migrar do Deepness
Exporte seus resultados primeiro. Uma execução do Deepness termina em uma camada temporária que desaparece com o projeto, então clique com o botão direito e salve como GeoPackage antes de fechar o QGIS.
Seu arquivo ONNX não tem lugar nos outros quatro. Nenhum deles carrega uma rede que você treinou. Guarde o arquivo e mantenha o Deepness instalado para o dia em que um trabalho precisar dele.
O que você perde é a inferência offline, mas só se for para o plugin hospedado do Mapflow ou nosso modo Automático, já que ambos enviam as imagens dentro da sua área para um servidor. Geo SAM e GeoAI continuam locais, exatamente como o Deepness. O que você ganha é o mesmo nos quatro casos: sem caça ao modelo, sem resolução em cm/px para digitar, sem pip install na primeira inicialização.
O que lembrar
Deepness é a única ferramenta desta página que executa uma rede que você mesmo treinou, e é isso que você precisa pesar antes de deixá-lo.
O zoo de modelos é uma página de documentação, então o arquivo ONNX chega manualmente e você mesmo define a resolução dele.
Um bloco de 5000 por 5000 pixels a 20 cm, relatado por um usuário, levou 80 minutos na CPU, contra 61 segundos em uma GTX 1660 Ti.
Deepness, Geo SAM e GeoAI não fazem nenhuma chamada de rede enquanto o modelo executa, então imagens com proibição de upload ficam no seu disco.
Detectar todas as edificações em uma cidade de 10 km² custa cerca de $13 no Mapflow, um décimo de um mês de € 39 no Pro, e tempo de instalação nas três ferramentas gratuitas.
Como comparei
Cinco critérios: o que você fornece à ferramenta, onde ela executa, se suas imagens saem da sua máquina, quanto custa um trabalho real e quanto tempo leva a instalação. Preços, versões, licenças e números de issues abertas foram lidos em 23 de agosto de 2026 no repositório ou na documentação de cada projeto. As capturas de tela são do mesmo dia.
Aviso: a primeira opção é a nossa. Se suas imagens estão sob uma política que proíbe qualquer upload e você já tem um arquivo ONNX treinado, fique no Deepness. Nosso modo Automático detecta em nossos servidores, então nada aqui muda isso.
Perguntas frequentes
Existe uma alternativa ao Deepness que não precise de arquivo ONNX?
Todos os outros quatro. Geo SAM e GeoAI baixam os próprios pesos para você, e o plugin hospedado do Mapflow e o nosso AI Segmentation mantêm os deles em um servidor, então nada chega ao seu disco. O Deepness pede que você traga o seu, e isso também é o que permite executar um modelo que você mesmo treinou.
O Deepness funciona no macOS?
O rastreador deles no GitHub lista relatos de instalação no macOS, por exemplo #209, aberta em 23 de agosto de 2026. Confira o rastreador antes de planejar em torno disso. O Geo SAM gerencia as próprias dependências e as ferramentas hospedadas precisam só do plugin, então um Mac não impede nenhuma delas.
Dá para rodar deep learning no QGIS sem placa de vídeo?
Sim. Deepness, Geo SAM e GeoAI usam a CPU como alternativa, e o Deepness nem instala a versão GPU no Windows ou macOS. Você paga com tempo: um bloco relatado por um usuário levou 80 minutos na CPU contra 61 segundos em uma GTX 1660 Ti. Sem placa nem paciência, Mapflow e o nosso AI Segmentation calculam em um servidor.
Existe um problema conhecido do Deepness no QGIS 3.44?
Um usuário relatou em issue #235, aberta em 23 de agosto de 2026: os requisitos do plugin fixam numpy<2.0.0 e o QGIS 3.44 vem com NumPy 2.4.3, então a primeira inicialização mostrou A module that was compiled using NumPy 1.x cannot be run in NumPy 2.4.3. Execute numpy.__version__ no console Python do QGIS antes de instalar.
Qual deles mantém minhas imagens na minha máquina?
Deepness, Geo SAM e GeoAI, os três totalmente: sem conta, sem API key e sem chamada de rede enquanto o modelo executa. Nosso modo Semi-Auto também fica local, enquanto nosso modo Automático e o plugin hospedado do Mapflow enviam as imagens dentro da sua área para um servidor, o nosso na Europa.
Quanto custa detectar todas as edificações em uma cidade de 10 km²?
Cerca de $13 no Mapflow, a 13 créditos por km² em mapa base Mapbox zoom-18. No nosso plano Pro, € 39 por mês cobrem 100 km², então essa cidade é um décimo do mês. Nas três ferramentas gratuitas a área não custa nada, e você paga com tempo de instalação e horas de CPU.
Os 24 modelos do zoo do Deepness cobrem as minhas imagens?
Eles foram treinados em resoluções de 0,5 a 1000 cm por pixel, então confira a coluna CM/PX com a resolução das suas imagens. A própria página avisa que os modelos não são ferramentas universais.
Um resultado do Deepness sobrevive ao fechar o QGIS?
Uma execução do Deepness termina em uma camada temporária que desaparece com o projeto. Clique com o botão direito e salve como GeoPackage antes de fechar qualquer coisa.
Trabalhos mais específicos têm suas próprias ferramentas: Bunting Labs AI Vectorizer traça linhas à frente do cursor enquanto você vetoriza manualmente, SamGeo é outro plugin local de Segment Anything, e SCP classifica a cobertura do solo a partir de áreas de treinamento que você desenha.
Os oito plugins de IA comparados cobre o campo mais amplo, o guia SAM aprofunda o Segment Anything, e o hub de IA do QGIS mapeia o resto.
