Deepness 替代方案：5 款 QGIS AI 外掛比較

最快的 Deepness 替代方案是AI Segmentation，我們自家的產品：畫一個區域，輸入 building，多邊形就回來了，全程不需要任何模型檔。Deepness 本身則是在 QGIS 內，對一個網格圖層以圖磚為單位逐塊跑深度學習模型，在您自己的電腦上免費執行。

Deepness 使用您提供的 ONNX 檔：您從說明文件頁挑一個模型下載，再從外掛裡去指定它。如果手上沒有這種檔案，下面其他工具的起點就不同。Deepness 排在第二名，用同一標準與其他工具比較。

一眼比較

1. AI Segmentation

AI Segmentation 是我們自家的產品，請自行斟酌這一節。在任何網格圖層或底圖上畫一個區域，輸入像 building 或 solar panel 這樣的單字，每個相符的物件都會以各自的多邊形回來。輸出是套好樣式的 GeoPackage，每個多邊形都帶有標籤、類別、信心分數與面積。

• 最適合： 手上沒有模型、沒有顯卡、晚上也沒空，今天就要從影像裡生出物件的測繪人員。
• 不適合： 影像完全不能離開電腦（除非您留在半自動模式），或只有您自己的標註才認得的類別。
• 價格： 每月 1.5 km² 自動偵測免費，不用信用卡。Pro 是每月 €39 可用 100 km²。在自己電腦上的半自動模式不計量。
• 執行位置： 兩個雲端模式跑在我們位於歐洲的伺服器上，所以您框選區域內的影像會離開您的電腦。半自動模式在本機跑小型模型，影像留在原地。
• 安裝： 裝外掛就好，之後什麼都不用裝。不用 pip 指令，不用 CUDA，也不用抓權重檔。

優勢

• 您打的字就是類別，從 building 換到 solar panel 只差一個欄位，不用重新訓練。
• 信心分數與面積滑桿可在匯出前直接過濾結果。

限制

• 它會給得比您要的多。通風口、天窗、院子裡的小棚子與陰影，都會以描得很準的多邊形回來，但它們不是建築，您要用滑桿把它們刷掉。在一次巴黎的測試裡，多邊形從 635 個濾到 82 個，而這 82 個仍保有 84% 的建築面積。

產品頁面與完整指南。

免費在 QGIS 試用，不需信用卡

2. Deepness

它載入您提供的 ONNX 網路，以重疊圖磚滑過一個網格圖層，再把結果寫回成一個圖層。支援語義分割、物件偵測、迴歸與超解析度，圖磚大小、重疊量與後處理都由您設定。

• 最適合： 手上有訓練好的 ONNX 檔，或感測器剛好對上模型動物園頁面那 24 個模型之一，且影像必須留在本機的人。
• 設計用途： 自備 ONNX 模型的人。
• 價格： 免費。沒有帳號、沒有 API key，程式碼裡沒有任何授權檢查。唯一的對外連線是第一次啟動時的 pip install。
• 執行位置： 您的電腦，CPU 或 CUDA。安裝程式只在 Linux 上抓 GPU 版，所以 Windows 與 macOS 拿到的是純 onnxruntime。
• 安裝： 裝外掛，第一次啟動再裝 OpenCV 與 ONNX Runtime。

優勢

• 能跑您自己的模型。任何符合文件形狀的 ONNX 都能用，用您的標註、您的感測器、您的解析度訓練的都可以。
• 完全不計量，所以 10 km² 的城鎮與 1,000 km² 的區域成本相同。
• Apache 2.0，並在 SoftwareX 經過同儕審查（DOI 10.1016/j.softx.2023.101495），所以固定住模型檔，三年後會得到同樣的答案。

限制

• 模型要自己帶，解析度（每像素公分數）也要自己設定。動物園頁面列了 24 個模型，訓練解析度從每像素 0.5 到 1000 公分都有，並註明所提供的模型並非通用工具。
• CPU 跑起來比 GPU 久。一位使用者在 issue #192 回報，20 公分、5000 乘 5000 像素的圖磚，在 Ryzen 7 5800X 上要 80 分鐘，在 GTX 1660 Ti 上只要 61 秒。這是一台機器、一個模型的量測結果，請把它當成他的紀錄，不是效能基準。

儲存庫與說明文件。截至 2026 年 8 月 23 日，說明文件是從較新、尚未釋出的分支建的，而市集的版本是 0.6.5，2024 年 12 月 10 日的版本。

3. Geo SAM

在 QGIS 裡面用 Segment Anything。在一個網格圖層上點一個點或拉一個框，那一個物件就會以多邊形回來。

• 最適合： 從本機影像上取幾十個物件，不用找模型檔，也不用打 pip 指令。
• 設計用途： 一個 prompt 一個物件。
• 價格： 免費，MIT。
• 執行位置： 您的電腦，有沒有顯卡都可以。不用帳號。
• 安裝： 裝外掛就好。相依套件它自己管，權重檔從 QGIS 裡面自己抓。

優勢

• 唯一完全不跟您要模型檔的離線選項。
• 吃網格檔案，也吃 XYZ、WMS 或 WMTS 圖層，所以底圖也能用。

限制

• 首次在新影像上下 prompt，要等整張影像編碼完，官方 FAQ 說依影像大小、模型與硬體，從幾秒到幾分鐘都有可能，還附了記憶體不夠時的低記憶體策略。

儲存庫、說明文件與外掛列表。

4. GeoAI

一整箱現成任務，每個任務一個可停靠面板：樹木分割、水體分割、Segment Anything、語義分割與實例分割，再加一個訓練自己模型用的訓練器。每個面板都輸出多邊形與遮罩。

• 最適合： 手上有 NVIDIA 顯卡、晚上有空，想一次涵蓋多種偵測任務，又不想匯出 ONNX 檔的人。
• 注意： SAM 3 需要 NVIDIA 顯卡。
• 價格： 免費，MIT。
• 執行位置： 您的電腦。CUDA 跑得快，Apple Silicon 用 Apple MPS，CPU 當備案。不用帳號，但 SAM 3 的權重檔要先去 Hugging Face 申請存取。
• 安裝： 裝外掛，再加一套 PyTorch 環境。官方頁面自己說這會因為複雜的 pytorch/cuda 相依而很有挑戰性。

優勢

• 多種任務收在一個外掛裡，各有自己的面板，都不用模型檔。
• 訓練器讓您自己的標註留在同一個工具裡。

限制

• SAM 3 需要 NVIDIA 顯卡。沒有的話會回 Failed to load model: Torch not compiled with CUDA enabled，其他模型還是能跑。

外掛說明文件與儲存庫。

5. Mapflow, by Geoalert

在他們的影像來源上框一個範圍、選一個類別，向量圖層就回來了：建築（可附高度）、道路、農田、森林、工地。

• 最適合： 整個城鎮的那幾個成品類別，不用安裝、不用顯卡。
• 不適合： 他們清單以外的類別。
• 價格： credits 一個 $0.10。建築每 km² 10 credits，底圖再加 1 到 9 個，所以在 Mapbox zoom-18 底圖上跑一次是 13 credits，約每 km² $1.30，每次工作無條件進位到整 km²。免費方案給 250 credits，最多用在 25 km²。
• 執行位置： QGIS 外掛使用他們的託管服務，要帳號。他們的網站也列出企業客戶的本地部署選項，本文不比較。
• 安裝： 只裝外掛。

優勢

• 面板會在開始前先算好這次的價格。
• 建築高度會以屬性欄位回來，這是這裡其他工具都沒有的。

外掛說明文件與儲存庫。

並排比較

安裝那一欄是大家最容易低估的，Deepness 的市集頁面自己就是這樣寫的。

如何從 Deepness 轉換

先匯出您的成果。Deepness 跑完放在暫存圖層裡，專案一關就消失，所以關掉 QGIS 之前，先對它按右鍵存成 GeoPackage。

您的 ONNX 檔在其他四個工具裡沒有家。它們沒有一個能載入您自己訓練的網路。檔案留著，Deepness 也留著，哪天案子需要它還用得到。

您失去的是離線推論，但只有您落到 Mapflow 的託管外掛或我們的自動模式才算，因為兩者都會把您框選範圍內的影像送到伺服器。Geo SAM 與 GeoAI 跟 Deepness 一樣留在本機。您得到的在四種情況下都一樣：不用找模型、不用輸入 cm/px 解析度、第一次啟動不用 pip install。

重點回顧

Deepness 是這頁唯一能跑您自己訓練的網路的工具，要離開它之前，先想清楚這一點。

模型動物園是一份說明文件頁，ONNX 檔要手動拿，解析度也要自己設定。

一位使用者回報，20 公分、5000 乘 5000 像素的圖磚在 CPU 上要 80 分鐘，在 GTX 1660 Ti 上只要 61 秒。

Deepness、Geo SAM 與 GeoAI 在模型執行時完全沒有網路連線，禁傳的影像可以留在硬碟裡。

偵測 10 km² 城鎮的所有建築，在 Mapflow 約 $13，在 Pro 是 €39 月費的十分之一，在三個免費工具上是安裝時間與 CPU 時間。

我的比較方式

五個標準：餵給工具什麼、在哪裡跑、影像會不會離開您的電腦、一次真正的工作要多少錢、安裝要多久。價格、版本、授權與未關閉 issue 編號，都是 2026 年 8 月 23 日從各專案自己的儲存庫或說明文件查到的。截圖也是同一天拍的。

先說明：第一個是我們自家的產品。如果您的影像受政策限制、完全不能上傳，而您手上已經有訓練好的 ONNX 檔，那就留在 Deepness。我們的自動模式是在我們的伺服器上偵測，所以這一點沒有任何改變。

常見問題

有不需要 ONNX 檔的 Deepness 替代工具嗎？

其他四個都不用。Geo SAM 與 GeoAI 會幫您抓權重，Mapflow 的託管外掛與我們的 AI Segmentation 把模型放在伺服器上，所以您的硬碟什麼都不用放。Deepness 要您自己帶模型，這也是它能跑您自己訓練的模型的原因。

Deepness 在 macOS 上能用嗎？

它的 GitHub 追蹤區有 macOS 安裝回報，例如 #209，截至 2026 年 8 月 23 日仍開著。規劃之前請先查看追蹤區。Geo SAM 自己管相依套件，雲端工具也只需要外掛，所以 Mac 擋不住其中任何一個。

沒有顯卡能在 QGIS 裡跑深度學習嗎？

可以。Deepness、Geo SAM 與 GeoAI 都能退回 CPU 跑，而且 Deepness 在 Windows 或 macOS 上根本不會裝 GPU 版。您付的是時間：一位使用者回報的那塊圖磚在 CPU 上要 80 分鐘，在 GTX 1660 Ti 上只要 61 秒。既沒有顯卡也沒耐心，就用 Mapflow 與我們的 AI Segmentation，在伺服器上算。

Deepness 在 QGIS 3.44 上有已知問題嗎？

有使用者在 issue #235 回報，截至 2026 年 8 月 23 日仍開著：外掛的需求檔釘在 numpy<2.0.0，而 QGIS 3.44 出貨是 NumPy 2.4.3，所以第一次啟動印出 A module that was compiled using NumPy 1.x cannot be run in NumPy 2.4.3。安裝之前，先在 QGIS Python 主控台印出 numpy.__version__ 看看。

哪幾個能讓影像留在我的電腦上？

Deepness、Geo SAM 與 GeoAI，三個都完全留在本機：不用帳號、不用 API key，模型執行時沒有任何網路連線。我們的半自動模式也留在本機，我們的自動模式與 Mapflow 的託管外掛則會把您框選範圍內的影像送到伺服器，我們的在歐洲。

偵測 10 km² 城鎮的所有建築要多少錢？

在 Mapflow 約 $13，以 Mapbox zoom-18 底圖每 km² 13 credits 計算。在我們的 Pro 方案，€39 一個月含 100 km²，所以這個城鎮是十分之一個月。在三個免費工具上，面積本身不用錢，您付的是安裝時間與 CPU 時間。

Deepness 模型動物園的 24 個模型能涵蓋我的影像嗎？

它們的訓練解析度從每像素 0.5 到 1000 公分都有，所以請對照 CM/PX 欄與您的影像。那頁上方本來就寫了這些模型不是通用工具。

關閉 QGIS 後，Deepness 的結果還在嗎？

Deepness 跑完放在暫存圖層裡，專案一關就消失。關掉任何東西之前，先對它按右鍵、存成 GeoPackage。

更窄的工作有各自的工具：Bunting Labs AI Vectorizer 會在您手動描圖時，沿著游標前方追蹤線畫，SamGeo 是另一個本機 Segment Anything 外掛，SCP 則從您畫的訓練區去分土地覆蓋。

八款 AI 外掛比較涵蓋更大的範圍，SAM 指南深入講 Segment Anything，QGIS AI 中心則整理了其餘工具。

免費在 QGIS 試用，不需信用卡