En vista de los problemas como el modelo de red más grande y la menor precisión de reconocimiento de los actuales redes de reconocimiento de disparos, en este documento se propone una red neuronal basada en un módulo de cambio de espectro a múltiples escalas para explotar completamente la información relevante entre los espectros de disparos. Esta red emplea la arquitectura de una red convolucional densamente conectada y utiliza un módulo de cambio de espectro a múltiples escalas en la rama para realizar la interacción entre la información espectral. Este cambio de espectro reemplaza la operación de submuestreo entre los espectros, realiza la extracción de características globalizadas del espectro, evita la pérdida de información durante el proceso de submuestreo y mejora aún más la calidad del mapa de características espectrales. Se realizaron experimentos basados en el conjunto de datos de disparos de la subvención NIJ 2016-DN-BX-0183 y el conjunto de datos de YouTube sobre disparos que han sido abiertos al público, cuyas precisión de clasificación alcanzó el 83.2% y 95.1%, respectivamente, con el tamaño del modelo de red controlado en alrededor de 16 MB. Los resultados experimentales indican que, en comparación con otros métodos existentes para redes neuronales convolucionales, la red propuesta puede explotar mejor y de manera efectiva la información globalizada de tiempo-frecuencia, y tiene una mayor precisión de reconocimiento de disparos.