自動運転技術の進展に伴い、車両周囲の高精度な物体検出が求められている。従来のCNN（畳み込みニューラルネットワーク）は高い物体検出性能を誇るが、RGB画像を各チャネルごとに実数で独立に処理するため、色情報の文脈を十分に活用できないという課題がある。本研究では、この課題を解決するため、RGB画像を四元数として統合的に扱うQCNN（四元数CNN）を提案した。四元数を用いることで、色情報の文脈をより効率的に学習可能となり、検出性能の向上が期待される。提案するQCNNを車載カメラ画像に適用し、多様な物体検出の精度向上を目指した。実験の結果、パラメータ数を大幅に削減しながら、検出精度の向上が確認された。