Cookie Hinweis

Wir verwenden Cookies, um Ihnen ein optimales Webseiten-Erlebnis zu bieten. Dazu zählen Cookies, die für den Betrieb der Seite notwendig sind, sowie solche, die lediglich zu anonymen Statistikzwecken, für Komforteinstellungen oder zur Anzeige personalisierter Inhalte genutzt werden. Sie können selbst entscheiden, welche Kategorien Sie zulassen möchten. Bitte beachten Sie, dass auf Basis Ihrer Einstellungen womöglich nicht mehr alle Funktionalitäten der Seite zur Verfügung stehen. Weitere Informationen finden Sie in unseren Datenschutzhinweisen .

Essentiell

Diese Cookies sind für die Funktionalität unserer Website erforderlich und können nicht deaktiviert werden.

Name Webedition CMS
Zweck Dieses Cookie wird vom CMS (Content Management System) Webedition für die unverwechselbare Identifizierung eines Anwenders gesetzt. Es bietet dem Anwender bessere Bedienerführung, z.B. Speicherung von Sucheinstellungen oder Formulardaten. Typischerweise wird dieses Cookie beim Schließen des Browsers gelöscht.
Name econda
Zweck Session-Cookie für die Webanalyse Software econda. Diese läuft im Modus „Anonymisiertes Messen“.
Statistik

Diese Cookies helfen uns zu verstehen, wie Besucher mit unserer Webseite interagieren, indem Informationen anonym gesammelt und analysiert werden. Je nach Tool werden ein oder mehrere Cookies des Anbieters gesetzt.

Name econda
Zweck Measure with Visitor Cookie emos_jcvid
Externe Medien

Inhalte von externen Medienplattformen werden standardmäßig blockiert. Wenn Cookies von externen Medien akzeptiert werden, bedarf der Zugriff auf diese Inhalte keiner manuellen Zustimmung mehr.

Name YouTube
Zweck Zeige YouTube Inhalte
Name Twitter
Zweck Twitter Feeds aktivieren

Tassilo Wald

Tassilo Wald

Tassilo Wald

Position:

PhD Student

Affiliation:

Medical Imagine Computing

Building:

REZ

Room:

F.03.007

Tassilo Wald is a PhD student at the Division of Medical Image Computing (MIC) on representations learned by deep learning models. This includes measuring similarities between different models, stitching them and learning novel representations with respect to already existing models. He received his MSc in Electrical Engineering from the Karlsruhe Institute of Technology where he worked on object detection in the domain of autonomous driving. His current research interests revolve around differences between models, namely error-consistency between models, representational similarities and their functional behaviour. Additionally he works on the semantic segmentation of Brain Metastasis in a clinical setting.

Projects:

  • Representational similarity between trained deep learning models
  • Knowledge extension through representational diversity
  • Brain Metastasis Project

Interests:

  • Representational Similarity
  • Functional Similarity
  • Inter-rater agreement

to top
powered by webEdition CMS