QGIS Deepness 替代插件：5 款免费与付费工具对比

最快的 Deepness 替代是 AI Segmentation，我们的产品：画一个区域，输入 building，多边形直接返回，全程不需要模型文件。Deepness 本身在 QGIS 内对栅格按分块逐块运行深度学习模型，在您自己的机器上，免费。

Deepness 使用您提供的 ONNX 文件：您从它的文档页面挑选一个模型，下载下来，再在插件里浏览定位到它。如果手头没有这种文件，下面其他工具的输入方式不同。Deepness 在下文排第二，与其余工具按同样的标准对比。

一览对比

1. AI Segmentation

AI Segmentation 是我们的产品，所以这一节请带着这个前提阅读。在任意栅格或底图上画一个区域，输入一个词，比如 building 或 solar panel，每个匹配结果都会作为独立的多边形返回。输出是带样式的 GeoPackage，每个多边形带有标签、类别、置信度分数和面积。

• 适用场景： 没有模型、没有显卡、晚上也腾不出空的 GIS 从业者，今天就要从影像里提取目标。
• 不适用： 影像不能离开本机的情况，除非使用半自动模式；或者类别只有您自己的标注才认识。
• 价格： 每月 1.5 km² 自动检测免费，无需信用卡。Pro 套餐每月 €39 含 100 km²。在自己机器上运行的半自动模式不计数。
• 运行位置： 两种云端模式在我们位于欧洲的服务器上运行，因此您区域内的影像会离开您的机器。半自动模式在本地运行小模型，影像留在本地。
• 安装： 只装插件，之后什么都不用装。没有 pip 命令，没有 CUDA，也不用下载权重。

强在哪

• 您输入的词就是类别，所以从 building 换到 solar panel 只需改一个字段，不用重新训练。
• 置信度和面积滑块可在导出前直接就地过滤结果。

局限

• 它返回的比您要的多。通风口、天窗、院子里的棚屋和阴影都会作为轮廓正确的多边形返回，但它们不是建筑物，所以需要拖动滑块，直到它们消失。一次巴黎的运行把 635 个多边形过滤到 82 个，这 82 个仍占建成区面积的 84%。

产品页面和完整指南。

在 QGIS 中免费试用，无需信用卡

2. Deepness

它加载您提供的 ONNX 网络，以重叠分块的方式在栅格上滑动，再把结果写回为图层。支持分割、目标检测、回归和超分辨率，分块大小、重叠和后处理都由您设置。

• 适用场景： 手头有训练好的 ONNX 文件，或传感器恰好对得上模型库页面 24 个模型之一，且影像必须留在本机的人。
• 定位： 面向自带 ONNX 模型的人。
• 价格： 免费。无需账号，无需 API 密钥，代码中没有任何许可证检查。唯一的对外请求是首次启动时的 pip install。
• 运行位置： 您的机器，CPU 或 CUDA。安装器只在 Linux 上下载 GPU 版本，所以 Windows 和 macOS 得到的是纯 onnxruntime。
• 安装： 安装插件，首次启动时再安装 OpenCV 和 ONNX Runtime。

强在哪

• 能运行您自己的模型。只要符合文档规定的形状，任何 ONNX 模型都能用，可以基于您自己的标注、传感器和分辨率训练。
• 不计量，所以 10 km² 的小镇和 1,000 km² 的区域花销一样。
• 采用 Apache 2.0 许可，并在 SoftwareX 经过同行评审（DOI 10.1016/j.softx.2023.101495），所以固定一个模型文件，三年后得到的仍是同一个答案。

局限

• 模型要自带，分辨率（cm 每像素）也要自己设置。模型库页面列出 24 个模型，训练分辨率从 0.5 到 1000 cm 每像素不等，并注明所提供的模型不是通用工具。
• CPU 运行比 GPU 运行耗时更长。一位用户在 issue #192 中报告，20 cm 分辨率下 5000 乘 5000 像素的分块，在 Ryzen 7 5800X 上耗时 80 分钟，在 GTX 1660 Ti 上仅 61 秒。这只是一台机器、一个模型，请把它当作他个人的实测，而不是基准测试。

代码仓库和文档。截至 2026 年 8 月 23 日，文档是从更新的未发布分支构建的，而插件市场的版本是 2024 年 12 月 10 日发布的 0.6.5。

3. Geo SAM

在 QGIS 中使用 Segment Anything。在栅格上点一个点或拉一个框，那一个目标就会作为多边形返回。

• 适用场景： 从本地影像上提取几十个目标，不用找模型文件，也不用输入 pip 命令。
• 定位： 一个提示词对应一个目标。
• 价格： 免费，MIT 许可。
• 运行位置： 您的机器，有没有显卡都能运行。无需账号。
• 安装： 安装插件。它自己管理依赖，并在 QGIS 内部下载模型检查点。

强在哪

• 唯一一个离线运行且完全不需要模型文件的选项。
• 既支持栅格文件，也支持 XYZ、WMS 或 WMTS 图层，所以底图也能用。

局限

• 新影像上的第一个提示词需要等待整幅影像编码完成，按它自己 FAQ 的说法，“from a few seconds to several minutes depending on the image size, model, and hardware”（从几秒到几分钟不等，取决于影像大小、模型和硬件）；当这一步耗尽内存时，它还自带低内存策略。

代码仓库、文档和插件列表页。

4. GeoAI

一整套开箱即用的任务，每个任务一个可停靠面板：树木分割、水体分割、Segment Anything、语义分割和实例分割，外加一个用于训练自己模型的训练器。每个面板都输出多边形和掩膜。

• 适用场景： 手头有 NVIDIA 显卡、晚上有空，想一次覆盖多个检测任务，又不想导出 ONNX 文件的人。
• 注意： SAM 3 需要 NVIDIA 显卡。
• 价格： 免费，MIT 许可。
• 运行位置： 您的机器。CUDA 追求速度，Apple Silicon 上使用 Apple MPS，CPU 作为兜底。无需账号，只是 SAM 3 权重需要先申请 Hugging Face 访问权限。
• 安装： 安装插件，再配置 PyTorch 环境。它自己的页面说这“can be challenging due to the complicated pytorch/cuda dependencies”（PyTorch 与 CUDA 的依赖很复杂，可能颇具挑战）。

强在哪

• 一个插件里有多个任务，每个任务有自己的面板，都不需要模型文件。
• 训练器让您自己的标注留在同一个工具里。

局限

• SAM 3 需要 NVIDIA 显卡。没有显卡就会返回 Failed to load model: Torch not compiled with CUDA enabled，其他模型仍可运行。

插件文档和代码仓库。

5. Mapflow（Geoalert 出品）

在他们的某个影像源上画一个区域，选择类别，就会返回矢量图层：建筑物（可选附带高度）、道路、农田、森林、施工场地。

• 适用场景： 对整个城镇做这几个现成类别，什么都不用装，也不用显卡。
• 不适用： 名单之外的类别。
• 价格： 积分按每个 0.10 美元出售。建筑物每 km² 10 积分，底图再加 1 到 9 积分，所以在 Mapbox 缩放级别 18 的底图上，一次运行是 13 积分，约 1.30 美元每 km²，每个任务按整 km² 向上取整。免费套餐提供 250 积分，最多覆盖 25 km²。
• 运行位置： 他们为 QGIS 插件提供的托管服务，需要账号。他们的网站还列出了面向企业客户的本地部署选项，本文不对比。
• 安装： 只装插件。

强在哪

• 面板在开始前就会算出这次运行的价格。
• 建筑物高度作为属性返回，这里其他工具都没有。

插件文档和代码仓库。

并排对比

安装这一列是大家最容易低估的，Deepness 的列表页自己就这么写。

怎么从 Deepness 换过去

先导出结果。Deepness 的运行结果落在内存图层里，工程关闭就消失，所以关闭 QGIS 之前，右键把它另存为 GeoPackage。

您的 ONNX 文件在另外四款工具里没有用武之地。它们都不加载您自己训练的网络。请留好这个文件，也继续保留 Deepness，万一哪天有任务需要它。

您会失去离线推理，但只有换到 Mapflow 的托管插件或我们的自动模式时才成立，因为这两者都会把您区域内的影像发到服务器。Geo SAM 和 GeoAI 留在本地，与 Deepness 完全一样。您得到的好处在四种情况下都一样：不用找模型，不用手动输入 cm/px 分辨率，首次启动也不用 pip install。

记住什么

Deepness 是这页上唯一能运行您自己训练的网络的工具，离开它之前，先掂量这一条。

模型库是文档页面，所以 ONNX 文件要手动下载，分辨率要您自己设置。

一位用户报告，20 cm 分辨率下 5000 乘 5000 像素的分块，在 CPU 上用了 80 分钟，在 GTX 1660 Ti 上只要 61 秒。

Deepness、Geo SAM 和 GeoAI 在模型运行时不发起任何网络请求，所以受禁止上传政策约束的影像会留在您的硬盘上。

在 10 km² 的小镇上检测全部建筑物，Mapflow 约 13 美元，在 Pro 套餐上是 €39 一个月的十分之一，在三款免费工具上则是安装时间和 CPU 时间。

我怎么比的

五个标准：您给工具喂什么、在哪里运行、影像是否离开您的机器、一次真实任务花多少钱、安装要多久。价格、版本、许可证和未关闭的 issue 编号，都于 2026 年 8 月 23 日从各项目自己的仓库或文档中读取。截图是同一天截的。

说明：第一名是我们的产品。如果您的影像受政策限制，禁止任何上传，而您手头已有训练好的 ONNX 文件，那就留在 Deepness。我们的自动模式在我们的服务器上检测，所以这一点没有任何改变。

常见问题

有不需要 ONNX 文件的 Deepness 替代工具吗？

另外四款都不需要。Geo SAM 和 GeoAI 会自己帮您下载权重，Mapflow 的托管插件和我们的 AI Segmentation 把权重放在服务器上，您的硬盘上什么都不落。Deepness 要您自带，这也让它能运行您自己训练的模型。

Deepness 能在 macOS 上用吗？

它的 GitHub 跟踪器中有 macOS 安装方面的报告，例如 #209，截至 2026 年 8 月 23 日仍未关闭。规划之前请先查看跟踪器。Geo SAM 自己管理依赖，托管工具只需安装插件，所以 Mac 挡不住它们。

不用显卡能在 QGIS 里运行深度学习吗？

能。Deepness、Geo SAM 和 GeoAI 都能回落到 CPU，Deepness 在 Windows 或 macOS 上甚至不安装 GPU 版本。您付出的是时间：一位用户报告的那个分块在 CPU 上耗时 80 分钟，在 GTX 1660 Ti 上只要 61 秒。既没有显卡又没有耐心的话，就用 Mapflow 和我们的 AI Segmentation，在服务器上计算。

Deepness 在 QGIS 3.44 上有已知问题吗？

有用户在 issue #235 中报告了这个问题，截至 2026 年 8 月 23 日仍未关闭：插件的依赖要求锁定 numpy<2.0.0，而 QGIS 3.44 自带 NumPy 2.4.3，所以首次启动时打印了 A module that was compiled using NumPy 1.x cannot be run in NumPy 2.4.3。在安装之前，先在 QGIS 的 Python 控制台里打印 numpy.__version__。

哪几个能让影像留在我的机器上？

Deepness、Geo SAM 和 GeoAI，三款完全在本地运行：无需账号，无需 API 密钥，模型运行时没有网络请求。我们的半自动模式也留在本地，而我们的自动模式和 Mapflow 的托管插件会把您区域内的影像发到服务器，我们的服务器在欧洲。

在 10 km² 的小镇上检测全部建筑物要多少钱？

Mapflow 上约 13 美元，按 Mapbox 缩放级别 18 底图每 km² 13 积分计算。我们的 Pro 套餐 €39 一个月含 100 km²，所以这个镇是一个月的十分之一。三款免费工具的面积本身不花钱，您花的是安装时间和 CPU 小时。

Deepness 模型库中的 24 个模型能覆盖我的影像吗？

它们训练时的分辨率从 0.5 到 1000 cm 每像素不等，所以请对照 CM/PX 一列检查您的影像。那一页自己就写了，这些模型不是通用工具。

关闭 QGIS 后，Deepness 的结果还在吗？

Deepness 的运行结果落在内存图层里，工程关闭就消失。关闭任何东西之前，右键把它另存为 GeoPackage。

更窄的任务有各自的工具：Bunting Labs AI Vectorizer 在您手工数字化时沿光标描线，SamGeo 是另一个本地的 Segment Anything 插件，SCP 则根据您画的训练区做土地覆盖分类。

八款 AI 插件对比覆盖了更广的范围，SAM 指南深入讲解 Segment Anything，GeoAI 是什么则解释这五款工具都在使用的这个词。QGIS AI 专题页梳理了其余内容。

在 QGIS 中免费试用，无需信用卡