1.一种广告内容智能设计方法，其特征在于，包括：

获取广告需求向量；

将广告需求向量和噪声向量进行拼接，构建广告设计需求向量；

将广告设计需求向量送入广告内容生成模型进行处理，输出广告内容；

广告内容生成模型包括N个基生成器和一个全局全连接层，其中每个基生成器基于U‑net中的编码器建立，包括每个基生成器包括第一反卷积层、第一特征融合层、第二反卷积层、第二特征融合层、第三反卷积层、第三特征融合层、第四反卷积层、第四特征融合层和内部全连接层；其中基生成器用于接收广告设计需求向量，并根据广告设计需求向量生成基生成器对应的广告特征图；基生成器中的第一反卷积层、第二反卷积层、第三反卷积层、和第四反卷积层均用于执行反卷积操作；第一特征融合层、第二特征融合层、第三特征融合层和第四特征融合层均用于执行特征融合操作；内部全连接层用于对第四特征融合层的输出执行全连接操作；全局全连接层用于将所有广告特征图按照通道进行拼接并执行全连接操作；

将广告设计需求向量送入广告内容生成模型进行处理，输出广告内容，具体包括如下内容：

针对于每一个基生成器，执行如下操作，将广告设计需求向量送入第一反卷积层中执行反卷积操作，构建第一特征图；在第一特征融合层中，将第一特征图与第一风格特征图进行相加操作后执行卷积操作，再与第一特征图进行残差连接，构建第一融合特征图，其中第一风格特征图由N个广告风格特征图按照第一融合权重集进行加权求和得到，第一融合权重集中包括的是在第一特征融合层中所有广告风格特征图对应的第一融合权重；将第一融合特征图送入第二反卷积层中执行反卷积操作，构建第二特征图；在第二特征融合层中，将第二特征图与第二风格特征图进行相加操作后执行卷积操作，再与第二特征图进行残差连接，构建第二融合特征图，其中第二风格特征图由N个广告风格特征图按照第二融合权重集进行加权求和得到，第二融合权重集中包括的是在第二特征融合层中所有广告风格特征图对应的第二融合权重；将第二融合特征图送入第三反卷积层中执行反卷积操作，构建第三特征图；在第三特征融合层中，将第三特征图与第三风格特征图进行相加操作后执行卷积操作，再与第三特征图进行残差连接，构建第三融合特征图，其中第三风格特征图由N个广告风格特征图按照第三融合权重集进行加权求和得到，第三融合权重集中包括的是在第三特征融合层中所有广告风格特征图对应的第三融合权重；将第三融合特征图送入第四反卷积层中执行反卷积操作，构建第四特征图；在第四特征融合层中，将第四特征图与第四风格特征图进行相加操作后执行卷积操作，再与第四特征图进行残差连接，构建第四融合特征图，其中第四风格特征图由N个广告风格特征图按照第四融合权重集进行加权求和得到，第四融合权重集中包括的是在第四特征融合层中所有广告风格特征图对应的第四融合权重；

将第四融合特征图通过内部全连接层进行全连接操作，输出广告特征图；广告风格特征图通过聚类分析进行获取；第一融合权重集、第二融合权重集、第三融合权重集和第四融合权重集通过群体优化算法进行获取；基生成器的总数与广告风格特征图的总数一致；

将所有基生成器输出的广告特征图按照通道进行拼接并执行全连接操作，输出广告内容；

通过聚类分析进行获取广告风格特征图，具体包括如下步骤：

获取若干份广告图像，再将所有广告图像通过预训练的图像特征提取模型进行处理，构建每个广告图像对应的广告图像特征；在每个广告图像对应的广告图像特征的基础上，通过无监督的聚类算法进行聚类分析，将所有广告图像特征划分为若干个聚类簇，针对每个聚类簇，选择聚类簇中心作为广告风格特征图，并将广告风格特征图的总数记为N。

2.根据权利要求1所述的一种广告内容智能设计方法，其特征在于，针对广告内容生成模型进行训练，具体包括如下步骤：步骤S1：训练每个广告风格特征图对应的基生成器；

步骤S11：获取广告风格特征图对应的若干份广告内容生成训练样本，广告内容生成训练样本中包括广告需求向量及其对应的广告内容；将所有广告内容生成训练样本组成广告内容生成训练集；

步骤S12：初始化判别器和生成器，其中判别器基于卷积神经网络进行设置，生成器基于U‑net中的编码器建立；

步骤S13：从广告内容生成训练集中随机选择一部分广告内容生成训练样本中的广告内容作为真实广告内容样本，并通过真实数据标签对真实广告内容样本进行标注，将所有标注好的真实广告内容样本组成真实广告内容样本训练集；从广告内容生成训练集中随机选择一部分广告内容生成训练样本中的广告需求向量，并针对每个广告需求向量拼接随机的噪声向量构建广告设计需求向量，将每个广告设计需求向量输入至生成器中进行处理，输出假广告内容样本，并通过假数据标签对假广告内容样本进行标注，将所有标注好的假广告内容样本组成假广告内容样本训练集；通过真实广告内容样本训练集和假广告内容样本训练集对判别器进行训练；

步骤S14：连接生成器和判别器，固定判别器的参数不变，从广告内容生成训练集中随机选择一部分广告内容生成训练样本中的广告需求向量，并针对每个广告需求向量拼接随机的噪声向量构建广告设计需求向量，通过真实数据标签对广告设计需求向量进行标注，将所有标注好的广告设计需求向量组成生成器训练集，并将生成器训练集送入生成器和判别器中进行训练；

步骤S15：重复步骤S13‑步骤S14，直至满足第一训练条件，输出生成器作为广告风格特征图对应的基生成器；

步骤S2：固定所有基生成器的参数不变，并在所有基生成器之后添加全局全连接层，将所有的广告风格特征图对应的所有广告内容生成训练样本组成全局训练集，再基于全局训练集对全局全连接层进行训练，直至满足第二训练条件，将所有基生成器与全局全连接层作为广告内容生成模型进行输出。

3.根据权利要求2所述的一种广告内容智能设计方法，其特征在于，通过群体优化算法获取第一融合权重集、第二融合权重集、第三融合权重集和第四融合权重集，具体包括如下步骤：构建若干个模拟优化个体，模拟优化个体包括模拟第一融合权重集、模拟第二融合权重集、模拟第三融合权重集和模拟第四融合权重集，分别对应第一融合权重集、第二融合权重集、第三融合权重集和第四融合权重集，且模拟第一融合权重集、模拟第二融合权重集、模拟第三融合权重集和模拟第四融合权重集分别包括N个模拟第一融合权重、N个模拟第二融合权重、N个模拟第三融合权重和N个模拟第四融合权重，模拟第一融合权重集中N个第一融合权重的总和为1，模拟第二融合权重集中N个第二融合权重的总和为1，模拟第三融合权重集中N个第三融合权重的总和为1，模拟第四融合权重集中N个第四融合权重的总和为1；

将所有模拟优化个体组成种群集合；设置最大迭代次数；

计算模拟优化个体对应的适应度；

在模拟优化个体对应的适应度的基础上，通过麻雀搜索算法对种群集合进行迭代更新；

直至迭代次数达到最大迭代次数，输出适应度最大的模拟优化个体作为第一融合权重集、第二融合权重集、第三融合权重集和第四融合权重集进行输出。

4.根据权利要求3所述的一种广告内容智能设计方法，其特征在于，计算模拟优化个体对应的适应度，具体步骤如下：通过模拟优化个体对广告内容生成模型进行设置，并对广告内容生成模型进行训练，将广告内容生成模型的准确率作为模拟优化个体对应的适应度。

5.根据权利要求4所述的一种广告内容智能设计方法，其特征在于，无监督的聚类算法采用k‑means算法。

6.一种广告内容智能设计系统，其特征在于，所述系统应用上述权利要求1‑5任一项所述的一种广告内容智能设计方法，包括：广告需求向量获取模块，用于获取广告需求向量；

广告设计需求向量构建模块，用于将广告需求向量和噪声向量进行拼接，构建广告设计需求向量；

广告内容生成模块，用于将广告设计需求向量送入广告内容生成模型进行处理，输出广告内容；

广告内容生成模型包括N个基生成器和一个全局全连接层，其中每个基生成器基于U‑net中的编码器建立，包括每个基生成器包括第一反卷积层、第一特征融合层、第二反卷积层、第二特征融合层、第三反卷积层、第三特征融合层、第四反卷积层、第四特征融合层和内部全连接层；其中基生成器用于接收广告设计需求向量，并根据广告设计需求向量生成基生成器对应的广告特征图；基生成器中的第一反卷积层、第二反卷积层、第三反卷积层、和第四反卷积层均用于执行反卷积操作；第一特征融合层、第二特征融合层、第三特征融合层和第四特征融合层均用于执行特征融合操作；内部全连接层用于对第四特征融合层的输出执行全连接操作；全局全连接层用于将所有广告特征图按照通道进行拼接并执行全连接操作。