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.
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 50 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 50 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.
Teste o AI Agent grátis 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 quinto 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 quinto 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
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 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.
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.
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.
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.
Cerca de $13 no Mapflow, a 13 créditos por km² em mapa base Mapbox zoom-18. No nosso plano Pro, € 39 por mês cobrem 50 km², então essa cidade é um quinto do mês. Nas três ferramentas gratuitas a área não custa nada, e você paga com tempo de instalação e horas de CPU.
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.
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.
O Deepness executa um modelo já treinado para uma tarefa e uma resolução, então é a escolha certa quando um modelo do seu catálogo combina com suas imagens ou quando você tem seu próprio arquivo ONNX. O Segment Anything dispensa treinamento: ele contorna qualquer objeto que você clicar ou descrever, funciona melhor onde as bordas são nítidas e roda no QGIS por meio do GeoAI, Geo SAM ou GeoOSAM, com uma placa NVIDIA para a versão mais recente. Para nomear um objeto e obter todas as ocorrências sem GPU nem arquivo de modelo, o AI Segmentation executa seus próprios modelos nos nossos servidores.
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, o que significa GeoAI cobre o termo sob o qual essas cinco ferramentas são vendidas, e o hub de IA do QGIS mapeia o resto.
Faça no QGIS só pedindo
O AI Agent executa a tarefa que você descreve, no seu próprio projeto QGIS. Grátis, sem cartão.
, por blocos, na sua própria máquina, de graça.

