Este artículo presenta un algoritmo de análisis de imágenes basado en la Optimización por Enjambre de Partículas (PSO) y Redes Neuronales Recursivas (RNNs). Métodos de vanguardia como la estrategia de análisis basada en RNN tradicionales utilizan L-BFGS sobre todos los datos para aprender los parámetros. Sin embargo, esto podría causar problemas debido a la función objetivo no diferenciable. Para resolver este problema, se ha empleado el algoritmo PSO para ajustar los pesos de la RNN y minimizar el objetivo. Los resultados experimentales obtenidos en el conjunto de datos de fondo de Stanford muestran que nuestro algoritmo de entrenamiento basado en PSO supera a la RNN tradicional, Pixel CRF, energía basada en regiones, MRF simultáneo y MRF de superpíxeles.