1.一种基于改进的SSD算法的微信群信息识别及管理方法，其特征在于，具体步骤如下：(1)对微信群信息进行收集，得到文本信息数据集G1，图片数据集G2；

(2)使用opencv方法处理图片数据集G2，得到待训练图片数据集G3；

(3)分析约定凭证得到识别信息，处理图片数据集G3得到训练集V1，通过SSD目标检测方法处理训练集V1，得到用以识别目标图片的模型R1；

(4)通过两个SSD嵌套使用的方法处理图片数据集G2，得到准确率集合R2；

(5)根据自定义要求比对准确率集合R2，得到符合要求的集合R3，结合图片数据集G2，统计不合格名单R4。

2.根据权利要求1所述的一种基于改进的SSD算法的微信群信息识别及管理方法，其特征在于，所述步骤(1)中对微信群信息进行收集，得到文本信息数据集G1，图片数据集G2的具体步骤如下：(1.1)申请微信账号并将其变为机器人账号监听目标微信群信息，得到群信息数据集G；

(1.2)定义Text为单个文本信息集，定义id1，name1，source1分别为单个文本的序号、名称和来源，并且满足关系Text＝{id1,name1,source1}；定义Picture为单个图片信息集，定义id2,name2,source2分别为单个图片的序号、名称和来源，并且满足关系Picture＝{id2,name2,source2}；

(1.3)定义G1、G2分别为文本数据集、图片数据集，G1＝{Text1,Text2,…,TextA}，G2＝{Picture1,Picture2,…,PictureA}，Texta为G1中第a个文本信息数据，Picturea为G2中第a个图片信息数据，其中，A＝Card(G1)，变量a∈[1,A]。

3.根据权利要求1所述的一种基于改进的SSD算法的微信群信息识别及管理方法，其特征在于，所述步骤(2)中使用opencv方法处理图片数据集G2，得到待训练图片数据集G3的具体步骤如下：(2.1)定义D2为待处理图片数据，D2＝{name2}，其中name2为名称；

(2.2)定义循环变量i3用来遍历G2，G3为待训练图片向量集，i1赋初值为1，G3赋初值为空；

(2.3)如果i1≤A则跳转到步骤(2.4)，否则跳转到步骤(2.6)；

(2.4)通过对G2i1使用opencv方法得到的待训练图片向量Gi1，G3＝G3∪{Gi1}；

(2.5)i1＝i1+1；

(2.6)得到G3＝{g1,g2,…,gA}，gf为待训练图片向量集中第f个单词文档向量，其中，变量f∈[1,A]。

4.根据权利要求1所述的一种基于改进的SSD算法的微信群信息识别及管理方法，其特征在于，所述步骤(3)中分析约定凭证得到识别信息，处理图片数据集G3得到训练集V1，通过SSD目标检测方法处理训练集V1，得到用以识别目标图片的模型R1的具体步骤如下：(3.1)定义循环变量为t,并赋值t＝1，A为待训练图片数据集G3的数量；

(3.2)如果t<＝A则跳转到步骤(3.3)，否则跳转到步骤(3.13)；

(3.3)定义循环变量k，并且赋值k＝1；

(3.4)将要识别的图片分批，每批次读取200个；

(3.5)人工标注groundtruth，记为category1，category2，…,categoryn；

(3.6)将标注得到的xml文件转化为csv格式，包含filename，width，height，class，xmin，ymin，xmax，ymax特征；

(3.7)从csv表格中创建tfrecords格式得到训练集V1；

(3.8)判断格式，如果是tfrecords格式则跳转到步骤(3.9)，否则跳转到步骤(3.5)；

(3.9)数据Sk经过以Relu函数作为激活函数的网络；

(3.10)在基础网络上添加额外的卷积层conv10_1,conv10_2,conv10_3，多尺度下进行预测；

(3.11)对添加的特征层使用卷积滤波器；

(3.12)定义循环变量k，并且赋值k＝1；

(3.13)模型R1训练完毕。

5.根据权利要求1所述的一种基于改进的SSD算法的微信群信息识别及管理方法，其特征在于，所述步骤(4)中通过两个SSD嵌套使用的方法处理图片数据集G2，得到准确率集合R2的具体步骤如下：(4.1)定义D2为待处理图片数据，其中D2＝{id2,name2}，其中id2,name2分别为编号和名称；

(4.2)定义循环变量i2用来遍历图片数据集G2，i2赋初值为1，V2赋初值为空；

(4.3)如果i2<＝A则跳转到步骤(4.4)，否则跳转到步骤(4.6)；

(4.4)通过对G2i1使用第一个ssd模型识别并切割得到的图片向量集vi1，V2＝V2∪{vi1}；

(4.5)将切割后的图片向量集加入V2后，为i2的值加1；

(4.6)得到V2＝{v1,v2,…,vA}，vc为图片向量集中第c个图片向量，其中，变量c∈[1,A]；

(4.7)定义循环变量i3，用来遍历V2，其中i3赋初值为1，R2为准确率集合，R2集合初始为空；

(4.8)如果i3的值<＝A则跳转到步骤(4.9)，否则跳转到步骤(4.11)；

(4.9)通过对V2使用第二个ssd模型具体识别Vi3得到准确率集合V3；

(4.10)将识别后的准确率加入V3后，为i3的值加1；

(4.11)得到准确率集合V3，选取准确率最高的放入集合R2，R2＝{{id1,name1,accuracy1},{id2,name2,accuracy2},...,{idA,nameA,accuracyA}}。

6.根据权利要求1所述的一种基于改进的SSD算法的微信群信息识别及管理方法，其特征在于，所述步骤(5)中根据自定义要求比对准确率集合R2，得到符合要求的集合R3，结合图片数据集G2，统计不合格名单R4的具体步骤如下：(5.1)定义符合要求的集合

R3＝{{id1,name1,accuracy1},…,{ida,namea,accuracya}}，a∈[1,n]，从准确率集合R2中取出数据，根据自定义准确率A比对；

(5.2)如果Accuracya>A则跳转到步骤(5.3)，否则跳转到步骤(5.4)；

(5.3)R3＝R3∪{R3a}；

(5.4)R3＝R3∪null；

(5.5)得到最终符合要求的名单和不合格名单R4；

(5.6)提交名单R4为参考，辅助管理微信群。