Los datos son una parte importante del aprendizaje automático. En los últimos años, se ha vuelto cada vez más común que los investigadores estudien el diseño asistido por inteligencia artificial, y se necesitan materiales de diseño ricos para proporcionar soporte de datos para trabajos relacionados. Las bases de datos existentes de análisis visual estético contienen principalmente fotografías y obras de arte. No hay una base de datos de logotipos verdadera, y hay pocas bases de datos públicas y de alta calidad de materiales de diseño. Frente a estos desafíos, este artículo presenta una base de datos de logotipos a mayor escala llamada JN-Logo. JN-Logo proporciona 14,917 imágenes de logotipos de tres sitios web conocidos en todo el mundo y utiliza los votos de 150 estudiantes de posgrado. JN-Logo proporciona tres tipos de anotación: estética, estilo y semántica. El sistema de puntuación de JN-Logo incluye 6 puntos de puntuación, 6 etiquetas de estilo y 11 descripciones semánticas. Las anotaciones estéticas se dividen en 0-5 puntos para evaluar la estética visual de una imagen de logotipo: lo peor es 0 puntos; lo mejor es 5 puntos. Demostramos cinco ventajas de la base de datos JN-Logo: imágenes de logotipos como objetos de datos, anotaciones humanas ricas, puntuaciones de calidad para la estética de la imagen, etiquetas de atributos de estilo y descripción semántica del estilo. Establecemos una línea base para JN-Logo para medir la efectividad de su rendimiento en modelos algorítmicos de elección de imágenes de logotipos por parte de las personas. Comparamos las características tradicionales hechas a mano y las características aprendidas en profundidad tanto en la tarea de puntuación estética como en la tarea de etiquetado de estilo, mostrando las ventajas de las características de aprendizaje profundo. En la tarea de clasificación de atributos de logotipos, el modelo EfficientNet _B1 logró los mejores resultados, alcanzando una precisión de 0.524. Finalmente, describimos dos aplicaciones de JN-Logo: generación de estilo de diseño de logotipos y recuperación de similitud de contenido de logotipos. La base de datos de este artículo eventualmente será hecha pública.